前几日 ，AI for Science相关领域非常多大开源社区DeepModeling举办了2022年社区年会。会上 ，广州科学智能研究者院（AI for Science Institute,Beijing）联合深势科技 ，今天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研究者院、深势科技、广州应用物理与计算数学研究者所共同研发。
DPA-1被誉为人自然科学界的GPT。2020年 ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了这是这是世界工智能十大重要性 成果。DPA-1可模拟原子规模高至100亿 ，目前仍然如今在高性能合金、半导体材料设计方式等应用场景中间接证明了其领先性和优越性。这些 突破其实AI for Science走向大规模工程化的重要性 里程碑。
早在2020年 ，广州科学智能研究者院与深势科技其他团队并对将机器来学习与高性能计算结合起来起来 ，努力实现了1亿原子第五性原理精度的分子动力学模拟 ，获如今这是世界高性能计算相关领域达到奖项“戈登·贝尔”奖。据了解今天发布的 DPA-1 ，在原有理念基础上下一步优化高性能算法 ，将模拟上限大幅不断提升至100亿原子数量级。
研究者人员还并对可视化模型元素各类信息 ，意外发现其在更大空间呈螺旋状分布 ，人自然 巧妙地和元素周期表中其他其他位置一对应 ，元素周期表中同周期元素沿着螺旋下降方向中排列 ，而垂直螺旋方向中则对应着同一主族元素分布 ，这不间接证明了此预训练模型还具良坏的可解释原因性。
来说从事材料设计方式研究者的科研人员 ，可理念基础DPA-1快速帮助建立高精度、方便易用到标准原子间势函数模型 ，多种手段人工智能传统技术 并对分子模拟 ，设计方式创新材料 ，洞见研究者方向中 ，降低不必要的实验 ，大幅度缩短研发周期 ，大幅不断提升研发成本。
近些年来 ，随着时间科学界对AI for Science 研究者范式的认可和实践 ，微观科学计算相关领域努力实现了许多的总体数据积累和模型探索 ，这为相关领域预训练模型帮助建立公司提供 了诞生理念基础。DPA-1多种手段留意力机制等构造 ，大幅大幅不断提升了模型迁移决策能力 和元素容量 ，并对许多总体数据可直接得到高精度模型 ，显著降低建模开销。就如Bert的再出现底地被改变了人自然语言其他处理 相关领域 ，这些 预训练大模型的诞生意味着势能函数的生产也只有 宣布进入“预训练+许多总体数据微调”的新范式。
据了解 ，此成果如今贡献在 DeepModeling 开源社区 ，并在科学智能广场宣布公开。广州科学智能研究者院与深势科技真心希望理念基础此和这是世界各界人士下一步帮助建立变得开源开放的科研生态 ，速率相关领域内原始创的新速率。