伯克利实验室发布uMOF：迄今最大金属有机框架DFT数据集与通用机器学习势，气体吸附误差降80%
劳伦斯伯克利国家实验室联合UC Berkeley团队发布uMOF三件套：覆盖19950个金属有机框架（MOF）、85524个构型的r²SCAN-D4精度DFT数据集，3986条经文献验证的实验性质基准，以及两个微调自MACE基础模型的通用机器学习原子间势。在气体吸附焓与吸附等温线等难度更高的动力学敏感性质上，uMOF模型超越全部对比基线，误差较现有MOF专用模型降低80%以上，达到实验不确定度水平。
