数据集概述
本数据集包含10276种晶体的密度泛函理论（DFT）计算弹性张量数据，用于MatTen等变图神经网络模型开发。数据涵盖晶体结构、化学公式、弹性张量及不同晶体系统的相关参数，分为三个JSON文件，支持材料弹性特性研究与模型验证。
文件详解
- crystal_elasticity_tensor.json
- 文件格式：JSON
- 字段映射：包含crystal structure（晶体结构）、formula_pretty（化学公式）、crystal_system（晶体系统）、elastic_tensor（四阶弹性张量）、elastic_tensor_voigt（6x6 Voigt矩阵）、split（模型训练/验证/测试集划分）
- max_directional_E.json
- 文件格式：JSON
- 字段映射：包含material_id（材料项目标识符）、formula_pretty（化学公式）、structure_original（原始晶体结构）、elastic_tensor_matten_original（MatTen预测弹性张量）、max_directional_E_matten_original（MatTen预测最大方向杨氏模量）、structure（DFT优化结构）、elastic_tensor（DFT弹性张量）、max_directional_E（DFT最大方向杨氏模量）、elastic_tensor_matten（MatTen预测优化结构弹性张量）、max_directional_E_matten（MatTen预测优化结构最大方向杨氏模量）
- elemental_cubic_metal_max_E_along_100_direction.json
- 文件格式：JSON
- 字段映射：包含material_id（材料项目标识符）、formula_pretty（化学公式）、structure_original（原始晶体结构）、elastic_tensor_matten（MatTen预测弹性张量）、Delta_S_matten（MatTen预测的S1111−S1122−2S2323值）、structure（DFT优化结构）、elastic_tensor（DFT弹性张量）、Delta_S（DFT计算的S1111−S1122−2S2323值）
数据来源
论文“An equivariant graph neural network for the elasticity tensors of all seven crystal systems”（Wen, M.等，2024）
适用场景
- 材料弹性特性研究: 分析不同晶体系统的弹性张量、杨氏模量等参数，探究材料力学性能
- 机器学习模型开发: 用于MatTen等变图神经网络模型的训练、验证与测试，提升晶体弹性预测精度
- 高性能材料筛选: 基于最大方向杨氏模量等指标，筛选具有优异力学性能的新型晶体材料
- 晶体结构优化验证: 对比原始结构与DFT优化结构的弹性参数差异，评估结构优化对材料性能的影响
- 材料科学数据分析: 整合材料项目标识符与弹性数据，支持跨数据集的材料特性关联分析
