SMolInstruct 是俄亥俄州立大学提出的一个大规模、全面且高质量的化学指令微调数据集，该数据集包含 14 个不同的化学任务，共超过 300 万个样本，涵盖 160 万个独特的分子。研究人员从多个来源收集与化学任务相关的数据，涵盖了 IUPAC 名称、 SMILES 表示、分子式等化学知识表示，以及分子属性预测、化学反应预测、分子描述等任务。

Citation

@article{yu2024llasmol,
title={LlaSMol: Advancing Large Language Models for Chemistry with a Large-Scale, Comprehensive, High-Quality Instruction Tuning Dataset},
author={Botao Yu and Frazier N. Baker and Ziqi Chen and Xia Ning and Huan Sun},
journal={arXiv preprint arXiv:2402.09391},
year={2024}
}