本数据集基于密度泛函理论（DFT）计算，共3764条数据，涵盖多元合金及低维功能材料体系。具体包括：二维AuSi多元合金（2180条）、碳掺杂BN体系（127条）、C60团簇共掺杂BN（31条）、C60吸附H原子体系（18H/24H/36H各414/414/517条）、In₂O₃-Mg体系（18条）、表面吸附体系（46条）及半导体硼平面（17条）。数据包含结构优化后的晶格参数、体系总能量、吸附能及计算参数等。本数据集可支撑以下研究与应用： （1）机器学习模型训练与材料性能预测：作为训练样本库，构建基于晶体图神经网络、深度势能或随机森林等算法的材料性质预测模型，实现"结构-性能"快速映射，替代耗时的第一性原理计算。（2）高通量材料筛选与逆向设计：基于已计算体系的能量-组分关系，建立多元合金的稳定相图与形成能数据库，快速筛选具有目标带隙、催化活性或吸附选择性的候选材料，指导实验合成。（3）催化机理研究与活性位点识别：利用C60及BN体系的H吸附能数据，分析不同掺杂构型与吸附位点对催化活性的影响规律，揭示氢析出反应、氧还原反应等关键催化过程的微观机理。

本数据集以课题组自研的第一性原理计算原始输出文件为基础，经多环节实质性加工处理后生成结构化衍生数据。采用VASP软件基于密度泛函理论（DFT）计算，使用PAW赝势与GGA-PBE交换关联泛函，针对不同材料体系构建超胞模型，通过共轭梯度算法进行离子弛豫实现结构优化，并基于优化后结构计算体系总能量、吸附能、形成能等电子性质，共生成3764条计算原始数据。在此基础上，基于自研Python脚本调用pymatgen库，自动解析VASP输出文件（POSCAR/CONTCAR、OUTCAR、OSZICAR），提取化学式、体系总能量、晶胞体积、受力及应力收敛精度等关键参数，映射至统一数据结构，生成以unique_id为主键的标准化记录；进而通过几何规则算法对结构进行自动校验，剔除原子间距异常、晶格畸变超阈值（|ΔV/V₀|>5%）或未收敛（fmax>0.05 eV/Å）的无效记录，确保数据质量。数据整理遵循GB/T 30523-2023《科技资源核心元数据》规范完成元数据著录与格式标准化。本数据集为材料计算模拟数据，不包含个人信息及敏感内容，无需进行匿名化或去标识化脱敏处理。

本数据集适用于材料计算、催化设计、储能材料及半导体器件研发等领域，面向高校材料科学与物理化学专业师生、科研院所计算材料研究人员及新能源/半导体企业研发人员。在催化材料领域，可解决多元合金活性位点识别、掺杂调控催化选择性及氢吸附/脱附动力学预测等问题，为燃料电池催化剂、电解水制氢材料的实验合成提供理论指导与性能预判。在半导体器件领域，可支撑二维材料带隙工程、载流子迁移率预测及光电转换效率优化，加速柔性电子器件与光电器件的理性设计。在储能材料领域，可用于电极材料表面吸附行为分析、离子扩散路径筛选及充放电稳定性评估，为锂离子电池、超级电容器材料开发提供数据支撑。在机器学习领域，3764条标准化数据可直接用于训练晶体图神经网络、深度势能模型及随机森林等算法，构建"结构-性能"快速预测模型，将材料筛选周期从数周缩短至分钟级。数据覆盖二维合金、低维团簇、表面吸附、氧化物缺陷等多类体系，兼顾基础研究与工程应用需求，满足不同尺度材料模拟与跨尺度性能关联分析。

多元合金类别 unique_id formula energy volume fmax ctime mass smax 碳掺杂BN体系 9583b59cb5bf262c16588b868011c603 BC14N -140.733 92.67477 0.009451 20.45208 192.971 0.000160 碳掺杂BN体系 3617d9667e7ec6ed099c57279c7916d1 BC14N -140.331 92.80773 0.001694 20.45208 192.971 0.000298 碳掺杂BN体系 430645af93902daf3f9599aa1593ee9a BC14N -141.927 92.39159 0.008811 20.45208 192.971 0.000028

表名：多元合金及低维功能材料DFT计算数据集，包括9个字段：多元合金类别、unique_id、formula、energy、volume、fmax、ctime、mass和smax。以Unique_id为主键，字符串型，数据唯一标识符。形成覆盖结构参数、电子性质、计算条件全维度的标准化数据结构，可直接支撑机器学习训练与高通量材料筛选。