化学 ML 数据集一站查，选数据不再翻论文
awesome-chemistry-datasets 是一个面向化学机器学习的数据集汇总清单，系统整理了可用于训练和评测模型的化学数据集，覆盖分子性质、反应、量子化学、蛋白质-配体相互作用等多个方向。它解决的核心问题是：化学与药物研发领域的 ML 研究者在找数据时往往要在论文、竞赛、数据库之间来回翻找，格式、许可、规模信息分散，缺少统一入口。该项目以 awesome 列表形式提供分类导航，并标注数据集来源、任务类型和适用场景，方便快速筛选。作为社区维护资源，它本身不提供数据下载或预处理代码，而是充当索引与选型参考，适合入门者建立数据全景认知，也适合资深研究者补充实验数据来源。
awesome-materials-informatics、MoleculeNet、DeepChem
awesome-chemistry-datasets 是数据集领域的开源项目，由 kjappelbaum 开发，2023 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 423。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-03。开源免费的数据集列表。
它主要面向的使用场景是：化学/药物研发方向的研究生快速调研可用的训练数据集。同类可对比的替代方案包括 awesome-materials-informatics、MoleculeNet、DeepChem。
上一篇：GVINS-Dataset
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
