mdCATH
数据集仿真
含力信息的多温度蛋白 MD 数据集，覆盖 5,398 个 CATH 结构域
内容与规模：5,398 个 CATH 结构域，每域 5 个温度（320–450 K）× 5 个副本；论文称累计 >62 ms，HF 卡片记 134,925 条轨迹、62.6 ms、3.3 TB、平均域长 137 aa [1][2][3]。每 1 ns 记录坐标和力，是少数提供"力"的 MD 数据集，因此可用于训练 ML 力场。
算力成本与生成方式：ACEMD、CHARMM22* 力场、4 fs 步长（氢质量重分配），跑在 GPUGRID.net 分布式志愿 GPU 上 [1][2]。志愿算力使 GPU 小时无法折算，论文未给总 GPU 小时。按总时长除以轨迹数，单条平均约 0.46 μs（推算），属"多温度短轨迹覆盖面"路线，而非长时间尺度。
哪些模型用：Boltz-2 结构训练取其 5,270 个系统（320 K，取末 10%）。
已知缺陷：license 为 CC-BY-ND-4.0，禁止衍生分发 [3]；温度上限口径漂移，arXiv v1 与 HF 卡片为 413 K，Sci. Data 版为 450 K。
来源
相关卡片
卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。