The HEALED SBU library of chemically realistic building blocks for construction of hypothetical metal-organic frameworks
Notice bibliographique
Résumé
Advancements in hypothetical metal-organic framework (hMOF) databases and construction tools have resulted in a rapidly expanding chemical design space for nanoporous materials. The bulk of these hypothetical structures are constructed using structural building units (SBUs) derived from experimental MOF structures, often collected from the CoRE-MOF database. Recent investigations into the state of these deposited experimental structures’ chemical accuracy identified an array of common structural errors—including omitted protons, missing counterions, and disordered structures. These structural errors propagate into the SBUs mined from experimental MOFs, culminating in inaccurate hMOF structures possessing net charges or missing atoms which were not accounted for previously. This work demonstrates how manual investigation was applied to diagnose structural errors in SBUs obtained from several popular hMOF construction tools and databases. An analysis of the prevailing errors discovered during the examination process is provided along with representative cases to aid with error detection in future studies involving SBU extraction and hMOF construction. A novel repair protocol was established and employed to generate a library of SBUs that are hand-examined and labeled with enhanced detail (HEALED). This repaired library of SBUs contains 952 inorganic SBUs and 568 organic SBUs ideally suited for the generation of hypothetical frameworks that are chemically accurate and properly charge labelled. Additionally, case studies following the effects of SBU errors on electrostatic potential-fitted charges and GCMC-simulated gas adsorption predictions are presented to highlight the significance of using chemically accurate hMOF structures exclusively in all screening efforts going forward.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».