首个原子间势函数预训练模型DPA

上月底，A互联网i for Science市场领域最多的开源社区DeepModeling举办了2022年社区年会。会上，北京都科学智能持续研究院（AI for Science Institute,Beijing）联合深势科技，已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。该成果由北京都科学智能持续研究院、深互联网势科技、北京都应用物理与计算数学持续研究所共同研发。

DPA互联网-1被誉为同样科学界的GPT。2020年，DPA-1雏形曾与预训练语言模型GPT-3共同入选了的的世界工智能十大至关重要成果。DPA-1可模拟原子规模高至100亿，目前仍然目前仍然在高性能合金、半导体材料设计搭配等应用场景中说互联网明了其领先性和优越性。这些 突破这是AI for Science走向大规模工程化的至关重要里程碑。

早在2020年，北京都科学智能持续研究院与深势科技技术团队实施将机器努力学习与高性能计算相相结合，基本实现了1亿原子第二性原理精度的分子动力学模拟，获回回想当年的世界高性能计算市场领域最多奖项“戈登·贝尔”奖。这一次已发布的 DPA-1，在原有技术基础上并进一步优化高性能算法，将模拟上限从而质的提升 至100亿原子数量级。

持续研究人员还实施可视化模型元素其它信息，意外发现其在空间比较呈螺旋状分布，同样巧妙地和元素周期表中至关重要至关重要位置一对应，元素周期表中同周期元素沿着螺旋下降前进方向排列，而垂直螺旋前进方向则对应着同一主族元素分布，这是说明了此预训练模型并具良是好 可解释原因性。

而对从事材料设计搭配持续研究的科研人员，可技术基础DPA-1快速建立统一高精度、方便易用过时原子间势函数模型，利用它人工智能核心技术实施分子模拟，设计搭配创新材料，洞见持续研究前进方向，量减少不必要的实验，大幅度缩短研发周期，从而质的提升 研发成本。

近些年来，逐渐被 被 科学界对AI for Science 持续研究范式的认可和实践，微观科学计算市场领域基本实现了非常多 的数据结果积累和模型探索，这为市场领域预训练模型建立统一直接提供了诞生技术基础。DPA-1利用它需注意力机制等构造，大幅从而质的提升 了模型迁移能力方面和元素容量，实施非常多 数据结果可以了得到高精度模型，显著量减少建模开销。犹如Bert的会出现彻彻底底方式改变了同样语言再处理市场领域，这些 预训练大模型的诞生意味着势能函数的生产也正真即将进入“预训练+非常多 数据结果微调”的新范式。

这一次，此成果目前仍然贡献在 DeepModeling 开源社区，并在科学智能广场宣布公开。北京都科学智能持续研究院与深势科技只希望技术基础此和的世界各界人士并进一步建立统一更具 开源开放的科研生态，速度快 市场领域内原始创的新速度快 。