オープンマテリアル2024（OMat24）無機材料データセットおよびモデル

望ましい特性を持つ新しい材料を発見する能力は、気候変動の緩和から次世代コンピュータハードウェアの進展まで、さまざまな応用にとって重要です。AIは、他の計算方法や試行錯誤に比べて化学空間をより効果的に探求することにより、材料の発見と設計を加速する可能性があります。材料データ、ベンチマーク、およびモデルに関しては大きな進歩がありましたが、現在の障壁は、公開されたトレーニングデータとオープンな事前学習モデルの不足です。この問題に対処するために、私たちはオープンマテリアル2024（OMat24）大規模オープンデータセットのMeta FAIRリリースと、それに付随する事前学習モデルのセットを提示します。OMat24には、構造的および組成的多様性に焦点を当てた1億1000万以上の密度汎関数理論（DFT）計算が含まれています。私たちのEquiformerV2モデルは、Matbench Discoveryリーダーボードで最先端の性能を達成しており、基底状態の安定性と生成エネルギーをF1スコア0.9以上および精度20 meV/atomで予測する能力があります。モデルのサイズ、補助的なデノイジング目的、および微調整がOMat24、MPtraj、Alexandriaを含むさまざまなデータセットにおける性能に与える影響を探ります。OMat24データセットおよびモデルのオープンリリースは、研究コミュニティが私たちの努力を基にして、AI支援材料科学のさらなる進展を推進することを可能にします。