前几日  ，AI for Science技术领域第二特别大开源社区DeepModeling举办了2022年社区年会。会上 ，广州科学智能相关研究院（AI for Science Institute,Beijing）联合深势科技 ，即将正式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相关研究院、深势科技、广州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共同入选了拥有世界 人工智能十大组成部分成果。DPA-1可模拟原子规模高至100亿  ，目前为止当初在高性能合金、半导体材料设计理念等应用场景中直接证明了其领先性和优越性。另一突破这是AI for Science走向大规模工程化的组成部分里程碑。

早在2020年 ，广州科学智能相关研究院与深势科技核心团队并对将机器来学习与高性能计算相两者结合  ，基本实现了1亿原子第二性原理精度的分子动力学模拟  ，获当初拥有世界 高性能计算技术领域第二高奖项“戈登·贝尔”奖。此前即将正式发布的 DPA-1 ，在原有原有基础 上近一步优化高性能算法  ，将模拟上限全面质的提升 至100亿原子数量级。

相关研究人员还并对可视化模型元素重要信息 ，意外发现其在空间感觉呈螺旋状分布  ，不仅巧妙地和元素周期表中组成部分组成部分位置一对应  ，元素周期表中同周期元素沿着螺旋下降反方向排列 ，而垂直螺旋反方向则对应着同一主族元素分布  ，显然直接证明了此预训练模型还具良坏的可说法性。

来说从事材料设计理念相关研究的科研人员  ，可原有基础 DPA-1快速模式建立高精度、方便易所所用原子间势函数模型  ，方式人工智能相关技术并对分子模拟  ，设计理念创新材料  ，洞见相关研究反方向  ，明显减少不必要的实验  ，大幅度缩短研发周期  ，全面质的提升 研发成本。

近些年来  ，逐渐科学界对AI for Science 相关研究范式的认可和实践  ，微观科学计算技术领域基本实现了较多的总体数据积累和模型探索  ，这为技术领域预训练模型模式建立需求提供了诞生原有基础 。DPA-1方式需注意力机制等构造  ，大幅全面质的提升 了模型迁移能力强大大和元素容量  ，并对较多总体数据就可拿到 高精度模型  ，显著明显减少建模开销。像是Bert的现象之后可以改变了因此 语言处理完成技术领域  ，另一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+较多总体数据微调”新的内容范式。

此前  ，此成果当初贡献在 DeepModeling 开源社区  ，并在科学智能广场即将即将正式。广州科学智能相关研究院与深势科技希望真真正正够原有基础 此和拥有世界 各界人士近一步模式建立愈发开源开放的科研生态 ，速度很快技术领域内原始创新的内容速度很快。