首个原子间势函数预训练模型DPA

上月底  ，AI for Science领域发展之一的开源社区DeepModeling举办了2022年社区年会。会上  ，说北京科学智能研究者院（AI for Science Institute,Beijing）联合深势科技  ，正式公开发布了首个覆盖元素周期表近70种元素的深度势能原子间势函数预训练模型—— DPA-1。该成果由说北京科学智能研究者院、深势科技、说北京应用物理与计算数学研究者所共同研发。

DPA-1被誉为自的这然科学界的GPT。2020年  ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了全全世界工智能十大其其重要性成果。DPA-1可模拟原子规模高至100亿  ，现阶段还没有在高性能合金、半导体材料整体设计等应用场景中佐证了其领先性和优越性。的这突破都是AI for Science走向大规模工程化的其其重要性里程碑。

早在2020年  ，说北京科学智能研究者院与深势科技技术团队采取将机器研究者学习与高性能计算相运用  ，可以实现了1亿原子第三则则性原理精度的分子动力学模拟  ，获回回想当年全世界高性能计算领域发展最低奖项“戈登·贝尔”奖。首次正式公开发布的 DPA-1  ，在原有概念基础上加大优化高性能算法  ，将模拟上限大幅增强至100亿原子数量级。

研究者人员还采取可视化模型元素信息内容  ，能发现其在操作空间 呈螺旋状分布 ，自的这然巧妙地和元素周期表中位置选择一一对应 ，元素周期表中同周期元素沿着螺旋下降方向上排列 ，而垂直螺旋方向上则对应着同一主族元素分布 ，的这点佐证了此预训练模型极具 良合适可理解性。

自的这然从事材料整体设计研究者的科研人员  ，可概念基础DPA-1快速已建立高精度、方便易用来于原子间势函数模型  ，多种手段人工智能其技术采取分子模拟 ，整体设计创新材料  ，洞见研究者方向上  ，相应减少不必要的实验 ，大幅度缩短研发周期  ，大幅增强研发成本。

近些年来  ，加大科学界对AI for Science 研究者范式的认可和实践  ，微观科学计算领域发展可以实现了较多的数据数据积累和模型探索  ，这为领域发展预训练模型已建立提供更多了诞生概念基础。DPA-1多种手段注意观察力机制等构造  ，大幅大幅增强了模型迁移其技术能力和元素容量  ，采取较多数据数据只需拿到 高精度模型  ，显著相应减少建模开销。仿佛Bert的现象就彻能改变了自的这然语言其他处理 领域发展  ，的这预训练大模型的诞生意味着势能函数的生产也能够即将进入“预训练+较多数据数据微调”全新范式。

首次 ，此成果还没有贡献在 DeepModeling 开源社区  ，并在科学智能广场正式公开公开。说北京科学智能研究者院与深势科技衷心希望概念基础此和全世界各界人士加大已建立愈加开源开放的科研生态 ，速度快 领域发展内原始创全新速度快 。