此页面免费且实时地提供熵纳科技自主研发的金属有机框架（MOF）性质预测AI服务，用户每次提交计算请求时需通过有意义的SMILES (Simplified Molecular Input Line Entry System) 表达式和RCSR (Reticular Chemistry Structure Resource) 拓扑结构代码来指定一个MOF材料，我们的AI模型将在数秒内返回预测结果。
请注意，熵纳科技的MOF大模型无需用户输入三维原子结构，但如果用户不了解SMILES表达式和RCSR拓扑结构，则需准备其感兴趣的MOF材料对应的CIF文件并按照MOFid官网的说明操作，以便从MOFid生成器获得上述信息。
相对2023年CMU团队在化学顶刊JACS发表的论文MOFormer: Self-Supervised Transformer model for Metal-Organic Framework Property Prediction，我们在模型训练阶段引入半监督学习等改进，整体预测准确度有约10%提升，而在线服务的计算效率相当。免费实时算服务暂时仅支持带隙（Band gap）预测，更多性质和合成条件的预测模型将根据用户的反馈和预约情况陆续上线。
由于算力有限，当前免费计算服务仅针对单个MOF材料，且暂不支持超过300个原子数量的计算。同一用户可多次提交计算请求，但每次提交时切勿填写多个SMILES表达式或拓扑结构。如果您有批量预测需求，欢迎通过页面底部的公司邮箱或微信cyducasphd联系我们。