数据集概述
本数据集提供论文《Low-Cost, High-Accuracy Reactivity Modeling: Integrating Genetic Algorithms and Machine Learning with Multilevel DFT calculations》的复现数据与代码，含Python脚本、输入文件及关键输出，按三级计算框架组织，支持结果验证、方法重构与扩展。
文件详解
- 文件名称: Data_Code_GA-ML_DGDTL.zip
- 文件格式: ZIP压缩包
- 目录结构: 包含3个计算层级子目录，具体如下：
- Level 1（01_test_720LoT）: 校准GA-ML混合框架并拟合MLR模型
- Level 2（02_test_576LoT）: 提供5个GA-ML模型（GA1-GA5）及高级模型模板
- Level 3（03_DGDTL）: 实现两阶段动态泛化驱动迁移学习协议
适用场景
- 计算化学研究: 复现低成本高精度反应性建模的GA-ML与DFT集成方法
- 机器学习应用: 探索遗传算法、贝叶斯优化在多线性回归中的校准与优化
- 模型泛化研究: 分析动态泛化驱动迁移学习对避免过拟合的效果
- 计算方法开发: 基于代码模板扩展或改进多水平DFT计算的反应性预测模型
