ab initio REPEAT Charge MOF Database (ARC-MOF)
Notice bibliographique
Résumé
This is a database of ~280,000 MOFs which have been either experimentally characterized or computationally generated, spanning all publicly available MOF databases (the DOI of our preprint: 10.26434/chemrxiv-2022-mvr06, which gives more information on this dataset). Please cite the paper above if you use ARC-MOF. DFT-derived REPEAT charges, adsorption data, and various descriptors are available for all MOFs. A description of the files is given here (please ignore the README): all_structures_1.tar.gz and all_structures_2.tar.gz – these are the cif files that were considered to compose the “entire known design space” of MOFs, with any bad structures removed (split into two separate tarballs since it is a lot of data). ARCMOF_20220610.tar.gz – these are all of the cif files with REPEAT charges composing ARC-MOF. flig-clusters.csv, func-clusters.csv, geo-clusters.csv, mc-clusters.csv – Each file indicates for each MOF which cluster it belongs to, and whether the MOF is present in ARC-MOF. This is done for each "type" of MOF chemistry and for the geometric properties. Clusters with a negative value indicate the MOF does not belong to any cluster (i.e., it is assumed to be "unique"). geometric_properties.csv – a csv file containing geometric descriptors computed for this study for all MOFs. The csv file also indicates which MOFs are present in ARC-MOF, and the order in which they were chosen for the farthest point sampling (up to 100K MOFs). RACs.csv – See geometric_properties.csv description. Same type of file, but with the RAC descriptors. RDFs.csv – The RDFs for each MOF, using several atomic properties. Some atomic properties are not available for all elements. In the cases where the atomic property is not available for a particular structure, no value is assigned. methane.csv, methane_purification-CH4.csv, methane_purification_CO2.csv, post_comb_vsa-CO2.csv, post_comb_vsa-N2.csv, pre_comb_4040-CO2.csv, pre_comb_4040-H2.csv, landfill-CH4.csv, landfill-CO2.csv – these are csv files of the raw uptake data and various temperature, pressure conditions (with standard deviations) for each gas separation process specified in the file overall_process.csv. overall_process.csv – This is a csv file of the adsorption properties of the MOFs. Particularly, the csv files contain the working capacity (mmol/g_working_capacity) and selectivity of each MOF for each of the five process conditions. mc-diverse-set.csv, func-diverse-set.csv – csv files containing which MOFs are present in each diverse set (from farthest point sampling of the MOFs based on either their functional group chemistry or metal chemistry). The file indicates which MOFs are present in ARC-MOF and which are not.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,008 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,100 | 0,060 |
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 ».