150多年前，门捷列夫发表了元素周期表，打开了物质世界的奥秘之门，成为科学发展史上的重大成就，使化学研究实现从现象到本质的根本性飞跃。站在巨人的肩膀上，如今，我们正在迎来新一次飞跃。
12月23日，AI for Science领域最大的开源社区DeepModeling举办了2022年社区年会。会上，北京科学智能研究院（AI for Science Institute,Beijing）联合深势科技，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，该成果由北京科学智能研究院、深势科技、北京应用物理与计算数学研究所共同研发，DPA-1被誉为自然科学界的GPT，此前在2020年，DPA-1雏形曾与预训练语言模型GPT-3共同入选了世界人工智能十大重要成果。
DPA-1可模拟原子规模高达100亿，目前已经在高性能合金、半导体材料设计等应用场景中证明了其领先性和优越性。这一突破也是AI for Science走向大规模工程化的重要里程碑。
揭示微观世界的基本原理、精确模拟微观粒子的状态，不仅是人类一直以来的梦想，也是药物、材料、化工等产业走向理性设计的必由之路。分子动力学模拟是人们研究微观世界的基本方法之一。其中，对原子间势函数的精确建模，是其中最核心的问题。
早在2020年，北京科学智能研究院与深势科技团队通过将机器学习与高性能计算相结合，实现了1亿原子第一性原理精度的分子动力学模拟，获当年全球高性能计算领域最高奖项“戈登·贝尔”奖。此次发布的DPA-1，在原有基础上进一步优化高性能算法，将模拟上限提升至100亿原子数量级。
研究人员还通过可视化模型元素信息，发现其在空间呈螺旋状分布，并且巧妙地和元素周期表中位置一一对应，元素周期表中同周期元素沿着螺旋下降方向排列，而垂直螺旋方向则对应着同一主族元素分布，这也证明了此预训练模型具有良好的可解释性。
对于从事材料设计研究的科研人员，可基于DPA-1快速构建高精度、方便易用的原子间势函数模型，利用人工智能技术进行分子模拟，设计创新材料，洞见研究方向，减少不必要的实验，大幅度缩短研发周期，降低研发成本。
工欲善其事，必先利其器。预训练模型被普遍认为是未来趋势，已成为AI应用的基础设施，已在语言、图像等领域成功应用。它的出现使得模型的训练可以被复用，避免开发人员重复进行大规模的训练，大幅度降低了训练的成本。预训练模型通过微调的方式具备很强的扩展性，可以提升在新场景的应用效率。同时可显著降低人工智能应用的门槛，对机器学习人员的要求大大降低，让算法人员及普通用户均可方便地使用平台。
北京科学智能研究院（AI for Science Institute,Beijing，以下简称AISI）成立于2021年9月，由鄂维南院士领衔，致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的「AI for Science」基础设施体系。
AISI的研究人员来自国内外顶尖高校、科研机构和科技企业，共同聚焦物理建模、数值算法、人工智能、高性能计算等交叉领域的核心问题。
AISI致力于创造思想碰撞的学术环境，鼓励自由探索和跨界合作，共同探索人工智能与科学研究结合的新可能。
– End –
（如需转载图文请与公众号后台联系）
原文始发于微信公众号（科学智能AISI）：AI for Science又一里程碑：原子间势函数预训练模型DPA-1重磅发布