计算数据作为化学人工智能的燃料 开放获取

《Chemical Science》：Computational Data as the Fuel for AI in ChemistryOpen Access

　　机器学习与生成式人工智能在化学领域的快速增长，对用于训练和评估这些模型的数据提出了越来越高的要求。尽管算法进步受到了广泛关注，但化学数据的质量、一致性、覆盖范围和可获取性仍然是制约人工智能驱动发现的主要因素。本文提出，计算数据不应仅仅被视为实验数据的补充，而应被视为为化学人工智能而刻意设计的、具有领域专用性的基础设施。这并不要求对化学空间进行穷尽式覆盖：计算方法的独特价值在于，它们能够在选定的化学和构型空间区域内，系统性地生成可重现、标签一致的数据。通过神经网络势函数和计算肽设计的案例研究，我们考察了计算数据集的选择、采样、保真度和规模如何定义模型的能力与适用范围。随后，我们探讨了计算数据与实验数据如何结合，计算实现可扩展、有目标的数据生成，实验则提供物理基础和验证。我们最后总结，指出了化学人工智能中刻意设计数据集、FAIR数据实践和公开基准测试的优先方向。该内容仅可通过PDF获取。PDF? 2026 作者。由英国皇家化学学会出版。本文根据知识共享署名 4.0 未移植许可协议授权发布。您可以在其他出版物中使用本文材料，无需向RSC另行申请许可，前提是给予正确的致谢。