引言：为什么需要榜单

我们在通用势的数据集版图的结尾埋了个伏笔：数据集与榜单深度绑定。事实上，”通用势”这个概念能成立，很大程度上要归功于两个权威基准——晶体领域的MatBench Discovery和催化领域的OC20排行榜。没有它们，每篇论文各说各话、各自挑有利的数据集，领域很快就会陷入不可比性的泥潭。

MatBench Discovery

任务设计：WBM测试集

MatBench Discovery（Riebesell et al., Nature Machine Intelligence 2025）的核心任务设计得很聪明：用模型替代DFT做高通量稳定性筛选。给定WBM（Wang-Botti-Marques）数据库中约21.5万个从未见过的候选晶体结构，模型需要：

预测每个初始结构的形成能；
用模型自身的力做结构弛豫，得到弛豫后的能量与几何；
计算能量高于凸包的距离$E_{\mathrm{hull}}$，判定热力学稳定性。

这个流程完整模拟了真实材料筛选工作流中的每一步——能量回归、力驱动的几何优化、凸包构造——任何一环掉链子都会在最终指标上现形。这正是它优于纯回归型基准（如QM9）的地方。

指标体系

榜单的指标经历了两轮进化：

第一代指标以分类和回归双线并行：

F1：稳定性二分类的F1分数（在unique prototypes子集上统计），是最核心的排名依据。注意WBM中稳定晶体的比例只有15.3%，一个全判不稳定的傻瓜模型准确率也有85%——所以F1远比accuracy诚实；
DAF（Discovery Acceleration Factor）：相对随机筛选找到稳定材料的加速倍数，理论上限约6.5；
RMSD：弛豫后几何与DFT结果的均方根位移，衡量力场质量；
$\kappa_{\mathrm{SRME}}$：声子热导率的对称相对误差，后来加入的第二战场。

第二代指标CPS（Combined Performance Score）：随着模型全面进步，单看F1已难以区分头部模型，于是引入加权综合分

$\mathrm{CPS}=0.5\times F1+0.4\times(1-\kappa_{\mathrm{SRME}})+0.1\times(1-\mathrm{RMSD})$

它强制模型在能量分类、热学性质、几何优化三条战线同时在线，堵住了偏科路线的漏洞。

当前格局

截至写作时（2026年8月），榜首梯队的情况：

排名	模型	CPS	F1	参数量	训练集
1	TECE-OAM-RRA-1.0	0.908	0.929	222M	OAM (660万)
2	EquFlashV2	0.907	0.929	44.9M	OAM
3	EquiformerV3+DeNS-OAM	0.902	0.931	30.3M	OAM
4	GRACE-3L-OAM-L	0.900	0.925	42.1M	OAM
5	PET-OAM-XL	0.898	0.924	730M	OAM
7	eSEN-30M-OAM	0.888	0.925	30.2M	OAM

几条值得咀嚼的信息：其一，前十名清一色使用OAM配方（MPtrj+OMat24+sAlex），印证了通用势的数据集版图的结论；其二，架构多样性惊人——等变Transformer（EquiformerV3）、ACE线性基（GRACE）、非等变Transformer（PET）、eSCN系（eSEN）同台竞技且差距在千分位，说明当前阶段数据的贡献已经超过架构；其三，作为历史参照，2023年第一代通用势的F1大约在0.6-0.75区间（CHGNet≈0.65、MACE-MP-0≈0.72），三年间提升了0.2以上。

OC20排行榜

OC20排行榜（Open Catalyst Project）统治催化场景，核心任务仍是通用势的数据集版图中提到的S2EF：预测表面吸附构型的弛豫终态能量与力。主指标是能量权重指标EFwT（energy within threshold）和力MAE。

它与MatBench Discovery的气质截然不同：体系更大（数十至数百原子的表面晶胞）、构型更稠密（吸附位点的组合爆炸）、对力的绝对精度要求更高。因此OC20是可扩展等变架构的第一试炼场——EquiformerV2正是在这里凭借eSCN卷积一战成名，GemNet、PaiNN等不变网络的老将也在这里完成了谢幕演出。

值得注意的是OC20的SOTA长期由GemNet-OC、EquiformerV2把持，但近两年UMA等跨域基础模型的入场正在模糊”催化专属榜单”的边界——一个在OMol25上训练的分子大模型也能在OC20上排进前列，这是基础模型时代才有的奇观。