数据集概述
本数据集为“玻璃溶解机器学习模型数据选择策略”研究提供支持，包含23个文件，涵盖分子动力学轨迹文件、机器学习模型输入数据及Python脚本，用于分析不同数据选择策略对玻璃溶解预测模型的影响。
文件详解
- 分子动力学轨迹文件
- 文件名称：A00-Du.lammpstrj、A02-Du.lammpstrj、A04-Du.lammpstrj、A06-Du.lammpstrj、A08-Du.lammpstrj、B00-Du.lammpstrj、B08-Du.lammpstrj、B16-Du.lammpstrj、B24-Du.lammpstrj、B32-Du.lammpstrj、N08-Du.lammpstrj、N12-Du.lammpstrj、N16-Du.lammpstrj、N20-Du.lammpstrj、N24-Du.lammpstrj、S45-Du.lammpstrj、S50-Du.lammpstrj、S55-Du.lammpstrj、S60-Du.lammpstrj、S75-Du.lammpstrj
- 文件格式：.lammpstrj
- 字段映射介绍：记录玻璃溶解过程的分子动力学轨迹数据，包含原子位置、速度、力等模拟信息
- 机器学习模型输入数据
- 文件名称：input_table.xlsx
- 文件格式：.xlsx
- 字段映射介绍：机器学习模型的输入表格数据，用于模型训练与验证
- Python脚本文件
- 文件名称：read_data.py、fig05_ml.py
- 文件格式：.py
- 字段映射介绍：数据读取脚本（read_data.py）和机器学习模型相关脚本（fig05_ml.py），用于数据处理与模型分析
数据来源
论文“Data Selection Strategies for Machine Learning Models of Glass Dissolution”
适用场景
- 玻璃溶解机器学习模型优化: 用于测试不同数据选择策略对模型预测精度和效率的影响
- 分子动力学模拟数据应用: 分析分子动力学轨迹数据在机器学习模型中的作用与价值
- 材料科学数据处理研究: 探索材料科学领域中数据选择方法对模型性能的提升机制
- 玻璃溶解机制研究: 结合模拟数据与机器学习模型，深入理解玻璃溶解的微观过程与宏观表现
