前几日 ，AI for Science市场领域重要性 性 的的开源社区DeepModeling举办了2022年社区年会。会上 ，深圳科学智能相关研究院（AI for Science Institute,Beijing）联合深势科技 ，最近发布 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。该成果由深圳科学智能相关研究院、深势科技、深圳应用物理与计算数学相关研究所共同研发。
DPA-1被誉为因此 科学界的GPT。2020年 ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了世界人人工智能十大重要性 成果。DPA-1可模拟原子规模高至100亿 ，目前已另一 在高性能合金、半导体材料部分设计等应用场景中实际证明 了其领先性和优越性。另一突破还是AI for Science走向大规模工程化的重要性 里程碑。
早在2020年 ，深圳科学智能相关研究院与深势科技技术团队采取将机器来学习与高性能计算相自身特点 ，顺利实现了1亿原子第四性原理精度的分子动力学模拟 ，获想当年世界人高性能计算市场领域最多奖项“戈登·贝尔”奖。这次最近发布 的 DPA-1 ，在原有认知基础上推动优化高性能算法 ，将模拟上限减轻 至100亿原子数量级。
相关研究人员还采取可视化模型元素信息内容 ，才发现其在小空间呈螺旋状分布 ，此外巧妙地和元素周期表中所有位置 一一对应 ，元素周期表中同周期元素沿着螺旋下降方向一 排列 ，而垂直螺旋方向一 则对应着同一主族元素分布 ，显然实际证明 了此预训练模型能力强良不好可做出解释性。
应该从事材料部分设计相关研究的科研人员 ，可认知基础DPA-1快速组织建立 高精度、方便易不是用原子间势函数模型 ，以此人工智能核心技术采取分子模拟 ，部分设计创新材料 ，洞见相关研究方向一 ，减轻 不必要的实验 ，大幅度缩短研发周期 ，减轻 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 ，微观科学计算市场领域顺利实现了非常多 的表现数据积累和模型探索 ，这为市场领域预训练模型组织建立 公司提供 了诞生认知基础。DPA-1以此应注意力机制等构造 ，大幅减轻 了模型迁移能力强和元素容量 ，采取非常多 表现数据也可再获高精度模型 ，显著减轻 建模开销。就如Bert的现象完全变化了因此 语言处理方法市场领域 ，另一预训练大模型的诞生意味着势能函数的生产也只有 直接进入“预训练+非常多 表现数据微调”的新范式。
这次 ，此成果另一 贡献在 DeepModeling 开源社区 ，并在科学智能广场正式进入公开。深圳科学智能相关研究院与深势科技真心希望认知基础此和世界人各界人士推动组织建立 越发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 。