QM9 分子性质预测：如何正确评估

理解数据集表示什么

原始 QM9 集合报告含 C、H、O、N、F 的小型有机分子的量子化学性质，最多九个重原子。这些是特定化学域的计算标签，不是实测药物活性，也不能证明对更大分子的普遍性能。PyG 提供处理后的 QM9，含多个目标、图特征及位置。应记录实现版本、输入文件、剔除规则及处理后分子数，不假定原始和处理后清单相同。

qm9-collection · qm9-original-data · pyg-torch_geometric/datasets/qm9.py

写明目标契约

在所检查的 PyG 实现中，目标索引 0 为偶极矩 μ，单位 Debye（D）。它是标量大小，不是三分量向量，也不是 eV。其他目标有各自单位；加载器记录了能量转换，因此不能把原始文件单位盲目套到处理后的张量上。应记录目标名、索引、来源定义、单位及变换。偶极回归的 MAE 应在还原目标缩放后以 D 报告；标准化训练损失不能直接当作可比的物理误差。

pyg-torch_geometric/datasets/qm9.py

对齐输入信息

键图模型与使用给定 3D 坐标的模型具有不同的信息获取条件。应说明预测时是否可获得几何，以及几何来自哪里。PyG 提供位置，但基准中有几何不代表未来化合物的实验或计算几何可无成本取得。构象生成和选择也应纳入协议。不能把 2D 基线与 3D 结果当作输入信息完全相同来比较。

pyg-torch_geometric/datasets/qm9.py

先划分，再拟合预处理

根据泛化问题选择随机划分或化学家族分离评估，任何一种都不是普遍正确。分配记录前先处理重复。固定训练、验证、测试标识，只在训练集拟合学习型归一化，在验证集调参，选模后评估测试集。报告划分文件、种子、基线、调参预算、剔除记录，以及确实测量过的多次运行变异。本文不给出分数，教学 Recipe 也不是达到基准水平性能的证据。

pyg-torch_geometric/datasets/qm9.py

追溯数据与许可

官方 Figshare API 将“Data for 133885 GDB-9 molecules”数据项 1057646 的版本 2 标为 CC0。另行检查的 README 项不能替代数据项记录。PyG 代码有独立的软件许可，第三方镜像可能添加转换、剔除或标签。应保留原始数据项及 DOI、版本、文件校验和、处理代码和许可证据。不能将镜像的 CC BY 标签转移到原数据，也不能把软件许可当成数据权利。QM9 的结论仍受化学域和所选计算标签限制。

qm9-original-data · qm9-data · pyg-LICENSE