一个包含第二和第三周期元素化学反应的综合性数据集，采用了百万规模量化学计算方法

《Scientific Data》：A Comprehensive Dataset of Chemical Reactions Covering Second and Third Row Elements with Million-Scale Quantum Chemical Calculations

　　

摘要

我们提出了一个扩展的量子化学反应数据库，名为Reaction-QM，其中包含数百万个反应，这些反应的反应物、产物和过渡态（TS）结构都经过了完全优化。该数据库分为三个子集：第一个子集包含2,304,303个有机反应，这些反应涉及多达十个重原子以及多种元素（H、C、O、N、F、Si、P、S和Cl），并且采用了GFN2-xTB理论水平进行表征，从而扩大了元素的范围和数据集的规模。第二个子集包含199,890个反应，这些反应采用了B3LYP-D3/TZVP理论水平进行表征。所有过渡态结构都通过振动分析和内在反应坐标（IRC）计算进行了验证，以确保反应物和产物的正确识别。最后一个子集为所有199,890个反应提供了在DFT理论水平上的完整IRC轨迹，共计22,984,707个分子构型，为训练基于机器学习的原子间势（MLIPs）提供了丰富的数据集。这三个数据库共同构成了一个新的数据来源，可用于开发和评估基于机器学习的反应建模模型，包括过渡态结构预测、活化能垒估计以及反应性MLIPs的构建。