前段时间  ，AI for Science其它领域莫过于的开源社区DeepModeling举办了2022年社区年会。会上  ，说北京科学智能相关研究院（AI for Science Institute,Beijing）联合深势科技 ，发布最新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相关研究院、深势科技、说北京应用物理与计算数学相关研究所共同研发。

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共同入选了全全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 ，到到目前然在高性能合金、半导体材料独特设计等应用场景中间接证明了其领先性和优越性。的一突破不但AI for Science走向大规模工程化的至关重要里程碑。

早在2020年  ，说北京科学智能相关研究院与深势科技大团队 方式将机器认真学习与高性能计算结合起来起来  ，能实现了1亿原子第三则则性原理精度的分子动力学模拟  ，获想当年全世界高性能计算其它领域非常高奖项“戈登·贝尔”奖。据悉发布最有新 DPA-1  ，在原有基于上下一步优化高性能算法 ，将模拟上限大幅得到提高至100亿原子数量级。

相关研究人员还方式可视化模型元素各种信息  ，才发现其在小空间呈螺旋状分布 ，不但巧妙地和元素周期表中位置一一一对应  ，元素周期表中同周期元素沿着螺旋下降两个方向排列  ，而垂直螺旋两个方向则对应着同一主族元素分布  ，由此间接证明了此预训练模型还具良最好的可作出解释性。

来讲从事材料独特设计相关研究的科研人员  ，可基于DPA-1快速下一步建立高精度、方便易是用方式原子间势函数模型 ，方式人工智能技术实现方式分子模拟  ，独特设计创新材料  ，洞见相关研究两个方向  ，相应减少不必要的实验 ，大幅度缩短研发周期  ，大幅得到提高研发成本。

近些年来  ，逐渐被 被 科学界对AI for Science 相关研究范式的认可和实践  ，微观科学计算其它领域能实现了少量的数据数据积累和模型探索  ，这为其它领域预训练模型下一步建立公司提供 了诞生基于。DPA-1方式时要力机制等构造 ，大幅大幅得到提高了模型迁移综合能力和元素容量  ，方式少量数据数据只需得到高精度模型  ，显著相应减少建模开销。那样 Bert的经常出现就彻发生改变了人自然语言处理方式其它领域 ，的一预训练大模型的诞生意味着势能函数的生产也只有 步入“预训练+少量数据数据微调”有新范式。

据悉  ，此成果已然贡献在 DeepModeling 开源社区 ，并在科学智能广场将于公开。说北京科学智能相关研究院与深势科技未来希望基于此和全世界各界人士下一步下一步建立更为开源开放的科研生态  ，慢的其它领域内原始创有新慢的。