数据集概述
本数据集为论文“Machine-learning-accelerated simulations to enable automatic surface reconstruction”的配套数据，包含训练神经网络力场的密度泛函理论（DFT）数据、GaN(0001)、Si(111)和SrTiO3(001)的虚拟表面位点弛豫-蒙特卡洛（VSSR-MC）运行结果，以及用于分析和绘图的Jupyter笔记本，共14个文件。
文件详解
- 代码文件（.ipynb、.py）
- 文件名称：Si_111_3x3_slab_energies.ipynb、GaN_analysis.ipynb、O_overbinding_calibration.ipynb、Si_111_5x5_slab_energies.ipynb、SrTiO3_AL.ipynb、SrTiO3_analysis_recalculation.ipynb、mpl_helper.py等
- 文件格式：.ipynb（9个）、.py（1个）
- 字段映射介绍：包含表面能量分析、校准计算、结果重计算等分析代码，需安装surface-sampling和NeuralForceField库运行
- 归档文件（.zip）
- 文件名称：Si.zip、GaN.zip、SrTiO3.zip
- 文件格式：.zip（3个）
- 字段映射介绍：存储GaN(0001)、Si(111)、SrTiO3(001)的VSSR-MC运行结果数据
- 文档文件（.md）
- 文件名称：README.md
- 文件格式：.md（1个）
- 字段映射介绍：数据集说明文档，包含数据用途、作者、依赖库等信息
数据来源
论文“Machine-learning-accelerated simulations to enable automatic surface reconstruction”（作者X. Du等，Rafael Gómez-Bombarelli Group @ MIT）
适用场景
- 材料表面重建研究：利用VSSR-MC运行结果分析GaN、Si、SrTiO3等材料的表面结构
- 机器学习力场训练：基于DFT数据训练神经网络力场（NFF），优化材料模拟效率
- 材料模拟加速：通过机器学习加速密度泛函理论模拟，减少计算成本
- 表面能量分析：使用Jupyter笔记本分析不同材料表面的能量特性及校准参数
