// Extract DFT calculation coordinates from PDF files and generate Gaussian gjf files. 从PDF文件中提取DFT计算坐标并生成Gaussian gjf输入文件。 Supports batch processing with separate output folders for each PDF. 支持批量处理，每个PDF单独生成输出文件夹。
Extract structured chemical compound characterization data from chemistry supplementary material documents (PDF/Markdown). 从化学论文补充材料(PDF/Markdown)中提取结构化化合物表征数据。 Use when Kimi needs to extract compound properties including NMR spectra, HRMS, HPLC data, melting points, optical rotation, and yield information from chemistry research papers or supplementary materials. 支持提取NMR谱图、HRMS、HPLC数据、熔点、旋光度、产率等信息。 Supports both single compound extraction and batch extraction of all compounds. 支持单个化合物提取和批量提取所有化合物。
Convert Gaussian gjf input files to XYZ format. 将Gaussian gjf输入文件转换为XYZ格式。 Use when agent needs to convert molecular structure files from Gaussian input format (.gjf) to XYZ format for visualization or use with other computational chemistry software. 当智能体需要将Gaussian输入格式(.gjf)的分子结构文件转换为XYZ格式用于可视化或其他计算化学软件时使用。
Convert PDF files to Markdown using MinerU API. 使用MinerU API将PDF文件转换为Markdown格式。 Use when Kimi needs to extract structured text, images, tables, and formulas from PDF documents while preserving document layout and formatting. 适用于需要提取结构化文本、图片、表格和公式并保留文档布局的场景。 Supports batch conversion and outputs full.md with images/, JSON metadata, and other extracted assets. 支持批量转换，输出full.md、images/目录、JSON元数据等。 Now supports large PDFs (600+ pages) by automatic splitting and merging. 现已支持大文件(600+页)自动拆分和合并处理。
Predict and visualize MS/MS spectra from a single SMILES using the fioRa online app. Use when the user wants a mass spectrum, MGF/MSP output, or a plotted stick spectrum from SMILES, with optional custom Name, precursor type, collision energy, and instrument settings.
Predict liquid-phase ¹H and ¹³C NMR chemical shifts from a SMILES string using NMRNet (deep learning, SE(3)-Transformer). Outputs per-atom shift values (ppm) and Lorentzian-broadened spectrum PNG files.
使用半经验方法 (xTB) 对分子三维结构进行几何优化，支持 SMILES 自动转 3D、XYZ 文件输入，输出优化后坐标、能量、收敛状态。
| name | pdf-dft-extractor |
| description | Extract DFT calculation coordinates from PDF files and generate Gaussian gjf files. 从PDF文件中提取DFT计算坐标并生成Gaussian gjf输入文件。 Supports batch processing with separate output folders for each PDF. 支持批量处理，每个PDF单独生成输出文件夹。 |
Extract DFT calculation coordinates from PDF files (especially supplementary materials) and generate Gaussian input files (.gjf). Supports batch processing with separate output folders for each PDF. 从PDF文件（特别是论文支撑材料）中提取DFT计算坐标，生成Gaussian输入文件(gjf)。支持批量处理，每个PDF文件单独生成一个输出文件夹。
# 单个PDF文件
python extract_dft.py paper.pdf
# 批量处理整个目录
python extract_dft.py ./pdfs/
# 指定输出目录和计算参数
python extract_dft.py ./pdfs/ -o ./output/ --cpu 64 --mem 128GB
from extract_dft import process_pdf, batch_process
# 处理单个PDF
result = process_pdf(
pdf_path="paper.pdf",
output_dir="./output/paper1",
cpu=64,
mem="128GB",
method="B3PW91/def2TZVP em=d3bj"
)
# 批量处理
results = batch_process(
pdf_dir="./pdfs/",
output_base_dir="./output",
cpu=64,
mem="128GB"
)
| 参数 | 默认值 | 说明 |
|---|---|---|
-o, --output | ./dft_output | 输出目录 |
--cpu | 64 | CPU核数 |
--mem | 128GB | 内存 |
--method | B3PW91/def2TZVP em=d3bj | 计算方法和色散校正 |
--solvent | SMD(toluene) | 溶剂模型 |
--charge | 0 | 电荷 |
--multiplicity | 1 | 自旋多重度 |
--keywords | opt freq | 计算关键词 |
--keep-temp | False | 保留临时文件 |
在Gaussian中，色散校正需要单独使用em=关键词指定，不要写成B3PW91-D3(BJ)的形式。
✅ 正确写法：
# B3PW91/def2TZVP em=d3bj opt freq
❌ 错误写法：
# B3PW91-D3(BJ)/def2TZVP opt freq ← 这种写法Gaussian不识别
常用色散校正关键词：
| 色散校正 | 关键词 |
|---|---|
| D3 with Becke-Johnson damping | em=d3bj |
| D3 with zero damping | em=d3 or em=gd3 |
| D3(BJ) for DFT-D3 | em=d3bj |
| Grimme's GD3 | em=gd3 |
| GD3BJ | em=gd3bj |
示例对比：
# B3PW91 with D3BJ
--method "B3PW91/def2TZVP em=d3bj"
# B3LYP with GD3
--method "B3LYP/6-31G(d) em=gd3"
# PBE0 with D3BJ
--method "PBE1PBE/def2TZVP em=d3bj"
# ωB97X-D (已内置色散，无需额外添加)
--method "wB97XD/def2TZVP"
output/
├── paper1/ # 每个PDF一个独立文件夹
│ ├── README.txt # 文件说明和统计
│ ├── 01_molecule_b3pw91.gjf # 生成的gjf文件
│ ├── 02_molecule_b3pw91.gjf
│ └── ...
├── paper2/
│ ├── README.txt
│ └── ...
└── ...
%chk=molecule.chk
%mem=128GB
%nprocshared=64
# B3PW91/def2TZVP em=d3bj nosymm int=ultrafine SMD(toluene) opt freq
molecule_name
0 1
C -1.46713000 0.31261700 0.00075400
H -1.10131700 0.82908900 -0.88608000
...
注意： 色散校正em=d3bj是单独的关键词，不是方法名的一部分。这是Gaussian的标准写法。
python extract_dft.py 41557_2026_2096_MOESM1_ESM.pdf \
-o ./output \
--cpu 64 \
--mem 128GB \
--method "B3PW91/def2TZVP em=d3bj" \
--solvent "SMD(toluene)"
生成的关键词行：
# B3PW91/def2TZVP em=d3bj nosymm int=ultrafine SMD(toluene) opt freq
注意： em=d3bj是独立的Gaussian关键词，用于启用Grimme的D3色散校正（Becke-Johnson阻尼），不是方法名的一部分。
输出:
./output/
├── README.txt
├── 01_trifluoroethane_b3pw91.gjf
├── 02_khmds_dimer_b3pw91.gjf
├── 03_khmds_monomer_b3pw91.gjf
└── ... (174个gjf文件)
# 将多个PDF放入一个目录
mkdir -p ./papers
cp paper1.pdf paper2.pdf paper3.pdf ./papers/
# 批量处理
python extract_dft.py ./papers/ -o ./all_outputs
输出:
./all_outputs/
├── paper1/
│ ├── README.txt
│ └── *.gjf
├── paper2/
│ ├── README.txt
│ └── *.gjf
└── paper3/
├── README.txt
└── *.gjf
# B3PW91 with D3BJ (最常用的色散校正DFT)
python extract_dft.py paper.pdf --method "B3PW91/def2TZVP em=d3bj"
# B3LYP with GD3
python extract_dft.py paper.pdf --method "B3LYP/6-31G(d) em=gd3"
# PBE0 with D3BJ
python extract_dft.py paper.pdf --method "PBE1PBE/def2TZVP em=d3bj"
# ωB97X-D (长程校正泛函，已内置色散)
python extract_dft.py paper.pdf --method "wB97XD/def2TZVP"
# M06-2X (Minnesota泛函，已内置色散)
python extract_dft.py paper.pdf --method "M062X/def2TZVP"
# TPSSh with D3BJ (meta-GGA)
python extract_dft.py paper.pdf --method "TPSSh/def2TZVP em=d3bj"
from extract_dft import process_pdf
# 自定义所有参数
result = process_pdf(
pdf_path="supplementary_material.pdf",
output_dir="./my_output",
cpu=32,
mem="64GB",
method="B3LYP/6-31G(d) em=gd3",
solvent="SMD(water)",
charge=0,
multiplicity=1,
keywords="opt freq scrf"
)
if result["success"]:
print(f"提取了 {result['molecule_count']} 个分子")
print(f"输出目录: {result['output_dir']}")
else:
print(f"错误: {result['error']}")
脚本会自动识别PDF中使用的计算方法，包括但不限于:
重要： 在Gaussian输入文件中，色散校正必须通过独立的em=关键词指定，而不是作为方法名的一部分。
| 原文中的写法 | Gaussian正确写法 |
|---|---|
| B3PW91-D3(BJ) | B3PW91/def2TZVP em=d3bj |
| B3LYP-D3 | B3LYP/6-31G(d) em=gd3 |
| PBE0-D3BJ | PBE1PBE/def2TZVP em=d3bj |
| ωB97X-D | wB97XD/def2TZVP (已内置色散) |
| M06-2X | M062X/def2TZVP (已内置色散) |
--keep-temp 参数保留临时文件进行调试