CGCNN数据集制作全攻略：CIF文件与id_prop.csv格式详解

CGCNN数据集制作全攻略：CIF文件与id_prop.csv格式详解

【免费下载链接】cgcnnCrystal graph convolutional neural networks for predicting material properties.项目地址: https://gitcode.com/gh_mirrors/cg/cgcnn

想要使用CGCNN（Crystal Graph Convolutional Neural Networks）进行材料性质预测？数据集准备是关键第一步！🎯 本文将为你详细解析CGCNN数据集的完整制作流程，特别是CIF文件和id_prop.csv格式的规范要求。

🔍 CGCNN数据集结构总览

CGCNN是一个强大的晶体图卷积神经网络工具，专为预测材料性质而设计。要使用它，你需要准备一个标准格式的数据集。数据集目录结构如下：

你的数据集目录/ ├── id_prop.csv # 核心属性文件 ├── atom_init.json # 原子初始化文件 ├── 1000041.cif # CIF晶体结构文件 ├── 1000050.cif # CIF晶体结构文件 └── ... # 更多CIF文件

📊 id_prop.csv文件格式详解

id_prop.csv是CGCNN数据集的核心配置文件，它建立了晶体结构与目标属性之间的对应关系。

基本格式要求

这是一个简单的两列CSV文件，没有任何表头：

1000041,1.0 1000050,2.0 1101051,3.0 1507756,4.0

列说明

实际应用示例

回归任务示例（data/sample-regression/id_prop.csv）：

1000041,1.0 1000050,2.0 1101051,3.0 1507756,4.0 7206075,5.0

分类任务示例（data/sample-classification/id_prop.csv）：

1000041,1 1000050,0 1101051,1 1507756,0

🏗️ CIF文件格式解析

CIF（Crystallographic Information File）是晶体学信息文件，用于描述晶体结构。每个CIF文件对应一个晶体样本。

CIF文件关键部分

典型的CIF文件包含以下重要信息：

data_1000041 _cell_length_a 5.62 _cell_length_b 5.62 _cell_length_c 5.62 _cell_angle_alpha 90 _cell_angle_beta 90 _cell_angle_gamma 90 _chemical_formula_sum 'Cl Na' _space_group_IT_number 225 loop_ _atom_site_label _atom_site_type_symbol _atom_site_fract_x _atom_site_fract_y _atom_site_fract_z Na1 Na 0.000 0.000 0.000 Cl1 Cl 0.500 0.500 0.500

命名规范

• 文件名必须与id_prop.csv中的ID完全一致
• 使用.cif作为文件扩展名
• 示例：ID为1000041的晶体对应文件名为1000041.cif

🛠️ atom_init.json文件说明

atom_init.json文件为每个元素提供初始化向量，通常使用项目提供的默认文件即可。

文件位置

• 示例文件：data/sample-regression/atom_init.json
• 包含92种元素的特征向量（对应原子序数1-92）

使用建议

对于大多数应用，直接使用项目提供的atom_init.json文件即可，无需修改。

📝 数据集制作完整流程

步骤1：收集晶体结构数据

1. 从Materials Project、COD等数据库下载CIF文件
2. 确保每个晶体有唯一的标识符

步骤2：准备属性数据

1. 整理每个晶体的目标属性（如形成能、带隙等）
2. 创建id_prop.csv文件

步骤3：组织文件结构

1. 创建数据集目录
2. 将所有CIF文件放入该目录
3. 复制atom_init.json文件到目录中
4. 将id_prop.csv放入目录

步骤4：验证数据集

1. 检查所有CIF文件能否被pymatgen正确读取
2. 验证id_prop.csv中每个ID都有对应的CIF文件
3. 确保文件命名一致

💡 实用技巧与注意事项

1. 数据集规模建议

• 训练集：至少100个样本可获得较好效果
• 验证集：建议占总数据10-20%
• 测试集：建议占总数据10-20%

2. 常见问题解决

问题：找不到足够邻居构建图解决：在data.py中调整radius参数（默认8Å）

问题：CIF文件读取失败解决：确保CIF文件格式标准，使用pymatgen验证

3. 高级配置选项

在CGCNN的CIFData类中，可以调整以下参数：

🚀 快速开始示例

假设你已经准备好了数据集，以下是使用CGCNN的简单步骤：

1. 克隆仓库：

   git clone https://gitcode.com/gh_mirrors/cg/cgcnn cd cgcnn

2. 准备环境：

   conda create -n cgcnn python=3 scikit-learn pytorch torchvision pymatgen -c pytorch -c conda-forge conda activate cgcnn

3. 训练模型：

   python main.py --train-size 6 --val-size 2 --test-size 2 data/sample-regression

📈 应用场景与扩展

回归任务

• 材料形成能预测
• 弹性模量计算
• 带隙预测

分类任务

• 金属/半导体分类
• 晶体结构类型识别
• 材料稳定性判断

🔗 相关资源

• 官方文档：cgcnn/data.py - 数据集加载实现
• 示例数据：data/sample-regression/ - 回归任务示例
• 示例数据：data/sample-classification/ - 分类任务示例

✅ 总结

掌握CGCNN数据集制作是成功应用该模型的关键。记住三个核心文件：id_prop.csv、atom_init.json和*.cif文件。按照本文的指南，你可以轻松准备自己的材料数据集，开始材料性质预测的探索之旅！🚀

无论你是材料科学研究者还是机器学习爱好者，正确的数据集格式都是获得准确预测结果的基础。现在就开始准备你的第一个CGCNN数据集吧！

【免费下载链接】cgcnnCrystal graph convolutional neural networks for predicting material properties.项目地址: https://gitcode.com/gh_mirrors/cg/cgcnn