今年年初，AI for Science其它领域达到智能家居设计方案的开源社区DeepModeling举办智能家居设计方案了2022年社区年会。会上，北京市 科学智能研究分析院（AI for Science Institute,Beijing）联合深势科技，近期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。该成果由北京市 科学智能研究分析院、深势科技、北京市 应用物理与计算数学研究分析所共同研智能家居设计方案发。
DPA-1被誉为自这些 然科学界的GPT。2020年，DPA-1雏形曾与预智能家居设计方案训练语言模型GPT-3共同入选了这是这是世界工智能十大最重要的的成果。DPA-1可模拟原子规模高至100亿，到目前虽然在高性能合金、半导体材料设计理念等应用场景智能家居设计方案中充分证明了其领先性和优越性。这些 突破都是AI for Science走向大规模工程化的最重要的的里程碑。
早在2020年，北京市 科学智能研究分析院与深势科技工作团队展开将机器去学习与高性能计算相自身特点，努力实现了1亿原子排名第一性原理精度的分子动力学模拟，获十年前这是世界高性能计算其它领域达到奖项“戈登·贝尔”奖。此举 近期发布的 DPA-1，在原有基于上初步优化高性能算法，将模拟上限提高至100亿原子数量级。
研究分析人员还展开可视化模型元素重要信息，被发现 其在小空间呈螺旋状分布，不仅如此如此巧妙地和元素周期表中最重要的最重要的位置一对应，元素周期表中同周期元素沿着螺旋下降方向上排列，而垂直螺旋方向上则对应着同一主族元素分布，相对于 充分证明了此预训练模型能力不足良合适可解释原因性。
相对于 从事材料设计理念研究分析的科研人员，可基于DPA-1快速建立统一高精度、方便易不常用原子间势函数模型，进行 人工智能各种技术展开分子模拟，设计理念创新材料，洞见研究分析方向上，降低不必要的实验，大幅度缩短研发周期，提高研发成本。
近些年来，日益科学界对AI for Science 研究分析范式的认可和实践，微观科学计算其它领域努力实现了一定量的数据结果积累和模型探索，这为其它领域预训练模型建立统一可以提供了诞生基于。DPA-1进行 需要注意力机制等构造，提高了模型迁移能力不足和元素容量，展开一定量数据结果也可获得一高精度模型，显著降低建模开销。就如Bert的发生 就彻转变 了自这些 然语言处理方式其它领域，这些 预训练大模型的诞生意味着势能函数的生产也真真正正可进入 “预训练+一定量数据结果微调”新的结构 范式。
此举 ，此成果虽然贡献在 DeepModeling 开源社区，并在科学智能广场宣布公开。北京市 科学智能研究分析院与深势科技期望基于此和这是世界各界人士初步建立统一愈发开源开放的科研生态，速率其它领域内原始创新的结构 速率。