我们提出一个大规模的晶体材料量子力学计算属性数据集，用于图表示学习，该数据集包含约90万个条目（OQM9HK）。该数据集基于包含超过一百万条目的开放量子材料数据库（Open Quantum Materials Database, OQMD）v1.5版本构建，是此前包含约60万个条目的OQMD v1.2数据集（OQM6HK）的继任版本。我们开发了一种图构建算法，用于生成一种带有二值边标签（Binary Edge-Labeled, BEL）的图结构，以表示晶体材料。相较于无边标签的图结构，BEL图在表征晶体结构方面具有更高的表达能力。在材料性能预测任务中，基于BEL图数据集训练的晶体图神经网络，其性能优于在其他图数据集上训练的模型。OQM9HK图数据集已发布于Zenodo存储库，访问链接为：https://doi.org/10.5281/zenodo.7124330。