首个原子间势函数预训练模型DPA

日前  ，AI for Science细分领域之一的开源社区DeepModeling举办了2022年社区年会。会上  ，广州科学智能相关研究院（AI for Science Institute,Beijing）联合深势科技 ，陆续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。该成果由广州科学智能相关研究院、深势科技、广州应用物理与计算数学相关研究所共同研发。

DPA-1被誉为必然科学界的GPT。2020年  ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了拥有世界 人工智能十大关键成果。DPA-1可模拟原子规模高至100亿  ，目前来看目前来看在高性能合金、半导体材料整体设计等应用场景中表明了其领先性和优越性。这些 突破就是AI for Science走向大规模工程化的关键里程碑。

早在2020年  ，广州科学智能相关研究院与深势科技公司团队展开将机器学习内容 与高性能计算相相结合  ，基本实现了1亿原子排名第一性原理精度的分子动力学模拟 ，获那时拥有世界 高性能计算细分领域远高于奖项“戈登·贝尔”奖。首次陆续发布的 DPA-1  ，在原有做基础上有待优化高性能算法  ，将模拟上限提高至100亿原子数量级。

相关研究人员还展开可视化模型元素各类信息  ，能发现其在操作空间 呈螺旋状分布  ，而且巧妙地和元素周期表中什么什么位置一对应  ，元素周期表中同周期元素沿着螺旋下降方向一 排列  ，而垂直螺旋方向一 则对应着同一主族元素分布  ，由此表明了此预训练模型具有独特良这样可回答性。

而言从事材料整体设计相关研究的科研人员  ，可做基础DPA-1快速模式建立高精度、方便易用过时原子间势函数模型  ，利用设备人工智能传统技术 展开分子模拟 ，整体设计创新材料  ，洞见相关研究方向一 ，大幅减少不必要的实验  ，大幅度缩短研发周期  ，提高研发成本。

近些年来  ，越来越大科学界对AI for Science 相关研究范式的认可和实践  ，微观科学计算细分领域基本实现了大批的其他数据积累和模型探索  ，这为细分领域预训练模型模式建立应用提供了诞生做基础。DPA-1利用设备留意力机制等构造  ，提高了模型迁移能力不足和元素容量 ，展开大批其他数据便可斩获高精度模型  ，显著大幅减少建模开销。好像Bert的出现明显原本被改变了必然语言其他处理 细分领域 ，这些 预训练大模型的诞生意味着势能函数的生产也只有 正式正式宣布进入“预训练+大批其他数据微调”全新范式。

首次 ，此成果目前来看贡献在 DeepModeling 开源社区 ，并在科学智能广场正式正式宣布公开。广州科学智能相关研究院与深势科技最后希望做基础此和拥有世界 各界人士有待模式建立更具 开源开放的科研生态  ，加速细分领域内原始创全新加速。