Open Molecular Crystals 2025 (OMC25) — zbiór danych i modele

Dlaczego ogromne zbiory danych o kryształach mają znaczenie

Kryształy molekularne są w centrum wielu codziennych technologii — od leków i pigmentów po elastyczną elektronikę. Ich zachowanie zależy nie tylko od tego, jakie atomy zawierają, lecz także od tego, jak niezliczone kopie cząsteczki układają się razem w ciele stałym. Przewidywanie tego upakowania i jego konsekwencji jest wyjątkowo trudne i czasochłonne, zwykle wymagając kosztownych obliczeń mechaniki kwantowej. Niniejszy artykuł przedstawia nowy otwarty zbiór danych, nazwany Open Molecular Crystals 2025 (OMC25), który gromadzi dziesiątki milionów starannie symulowanych struktur kryształów molekularnych. Został zaprojektowany, by dać nowoczesnym metodom uczenia maszynowego bogate doświadczenie potrzebne do nauczenia się, jak zachowują się te kryształy, z długoterminowym celem przyspieszenia, obniżenia kosztów i zwiększenia niezawodności projektowania kryształów.

Ogromna biblioteka modelowych kryształów

Zespół OMC25 postawił sobie za cel zbudowanie rozległego „poligonu treningowego” dla modeli komputerowych przewidujących, jak kryształy molekularne się układają i jak stabilne są te układy. Zebrali ponad 27 milionów struktur krystalicznych zbudowanych z około 50 000 różnych związków organicznych. Każdy kryształ zawiera wyłącznie powszechne lekkie pierwiastki, takie jak węgiel, azot, tlen i kilka halogenów, i może mieć do 300 atomów w podstawowej jednostce powtarzalnej. Dla każdej struktury zapisali nie tylko pozycje atomów, lecz także całkowitą energię kryształu, siły działające na każdy atom oraz naprężenia mechaniczne w komórce jednostkowej. Te etykiety pozwalają modelom uczenia maszynowego wiązać wzorce w rozmieszczeniu atomów z zachowaniem fizycznym.

Od losowych upakowań do realistycznych ciał stałych

Aby wypełnić tę bibliotekę, autorzy nie kopiowali jedynie znanych kryształów eksperymentalnych. Zamiast tego użyli otwartego narzędzia do generowania wielu różnych sposobów, w jakie cząsteczka może upakować się w krysztale. Zmieniali liczbę molekuł w komórce jednostkowej i eksplorowali szeroki zakres symetrii sieci krystalicznej. Dla każdego kandydata stworzyli wersje luźno i ściśle upakowane, aby objąć sytuacje dalekie od realistycznych oraz te zbliżone do warunków rzeczywistych. Następnie zastosowali wysokiej jakości metodę kwantową, obejmującą subtelną atrakcyjność między cząsteczkami, aby zrelaksować każdą strukturę — pozwalając atomom poruszać się krok po kroku, aż siły niemal zanikną. Wzdłuż tych ścieżek relaksacji próbkowali wiele pośrednich struktur, rejestrując, jak kryształ zmienia się podczas przechodzenia od wstępnego przybliżenia do prawdopodobnego układu fizycznego.

Dokładne filtrowanie i bogata różnorodność

Ponieważ losowe propozycje mogą prowadzić do nierealistycznych sytuacji, zespół zastosował surowe filtry, by oczyścić dane. Usunęli klatki, w których energie, siły lub naprężenia były skrajnie poza zakresem, albo w których cząsteczki rozpadały się lub łączyły w chemicznie nieuzasadniony sposób. Sprawdzili także, czy objętości komórek nie zmieniają się skokowo do stopnia, który mógłby uczynić ustawienia numeryczne zawodnymi. Efektem jest zbiór danych obejmujący ogromną różnorodność chemii i stylów upakowania przy jednoczesnym zminimalizowaniu przykładów niefizycznych. W porównaniu z dużą eksperymentalną bazą kryształów, OMC25 zawiera szersze rozłożenie symetrii i rozmiarów komórek jednostkowych, celowo nadpróbkując niektóre typy układów, by stanowić wyzwanie i wzbogacić modele uczenia maszynowego.

Nauczanie komputerów przewidywania kryształów

Aby sprawdzić, czy OMC25 rzeczywiście jest użyteczny, autorzy wytrenowali kilka nowoczesnych modeli uczenia maszynowego operujących bezpośrednio na strukturach atomowych. Modele te uczą się przewidywać energię, siły i naprężenia na podstawie pozycji i tożsamości atomów. Po ocenie na wydzielonym zbiorze OMC25 osiągnęły bardzo niskie błędy predykcji, co pokazuje, że zbiór jest spójny i informatywny. Zespół poddał modele też testom zewnętrznym, takim jak odtwarzanie znanych energii i objętości kryształów oraz porządkowanie różnych form krystalicznych (polimorfów) tej samej cząsteczki. Mimo że modele trenowano na danych wygenerowanych jedną wersją metody kwantowej, w testach porównawczych radziły sobie konkurencyjnie względem danych opartych na nieco bardziej zaawansowanych metodach, a szczególnie dobrze wypadały przy porównywaniu względnej stabilności różnych upakowań kryształów.

Co to oznacza dla przyszłych materiałów

Dla osób niebędących specjalistami najważniejsze jest to, że OMC25 oferuje duże, starannie wyselekcjonowane pole doświadczalne, na którym modele uczenia maszynowego mogą „ćwiczyć” na realistycznych kryształach molekularnych. Zamiast za każdym razem uruchamiać kosztowne obliczenia kwantowe dla nowego przypuszczenia struktury, badacze mogą coraz częściej polegać na szybkich, wyuczonych modelach przeszkolonych na OMC25 do wstępnej selekcji i dopracowania struktur. To może przyspieszyć poszukiwania lepszych form leków, bardziej wydajnej elektroniki organicznej i ulepszonych materiałów specjalistycznych. Choć zbiór danych koncentruje się na określonej rodzinie kryształów i wykorzystuje jeden poziom teorii kwantowej, ustanawia potężną podstawę. Udostępniając zarówno dane, jak i przykładowe modele, autorzy dążą do zainicjowania szerszych wysiłków nad przewidywaniem i projektowaniem kryształów molekularnych z szybkością i wygodą, jaką oferuje współczesne uczenie maszynowe.

Cytowanie: Gharakhanyan, V., Barroso-Luque, L., Yang, Y. et al. Open Molecular Crystals 2025 (OMC25) dataset and models. Sci Data 13, 354 (2026). https://doi.org/10.1038/s41597-026-06628-2

Słowa kluczowe: kryształy molekularne, potencjały uczenia maszynowego, baza materiałów, predykcja struktury krystalicznej, chemia kwantowa