前不久 ，AI for Science市场领域之一的开源社区DeepModeling举办了2022年社区年会。会上 ，北京都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。该成果由北京都科学智能研究分析院、深势科技、北京都应用物理与计算数学研究分析所共同研发。
DPA-1被誉为自不过然科学界的GPT。2020年 ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了拥有世界 人工智能十大至关重要成果。DPA-1可模拟原子规模高至100亿 ，到目前十几年前 在高性能合金、半导体材料整体设计等应用场景中证明不了其领先性和优越性。不过突破自不过然AI for Science走向大规模工程化的至关重要里程碑。
早在2020年 ，北京都科学智能研究分析院与深势科技团队人员需要利用自身 将机器学习中与高性能计算相自身特点 ，基本实现了1亿原子第二性原理精度的分子动力学模拟 ，获十几年前 拥有世界 高性能计算市场领域最低奖项“戈登·贝尔”奖。这一次近期发布的 DPA-1 ，在原有基于上下一步优化高性能算法 ，将模拟上限从而提高至100亿原子数量级。
研究分析人员还需要利用自身 可视化模型元素其他信息 ，发现自己其在小空间呈螺旋状分布 ，自不过然 巧妙地和元素周期表中最佳最佳位置一对应 ，元素周期表中同周期元素沿着螺旋下降其他方向排列 ，而垂直螺旋其他方向则对应着同一主族元素分布 ，不过证明不了此预训练模型还具良不好可作出解释性。
是对从事材料整体设计研究分析的科研人员 ，可基于DPA-1快速帮助建立高精度、方便易就用 标准原子间势函数模型 ，需要利用自身 人工智能新型技术需要利用自身 分子模拟 ，整体设计创新材料 ，洞见研究分析其他方向 ，减轻 不必要的实验 ，大幅度缩短研发周期 ，从而提高研发成本。
近些年来 ，逐渐科学界对AI for Science 研究分析范式的认可和实践 ，微观科学计算市场领域基本实现了少量的数据全面积累和模型探索 ，这为市场领域预训练模型帮助建立提供更多了诞生基于。DPA-1需要利用自身 注意观察力机制等构造 ，大幅从而提高了模型迁移能力不足和元素容量 ，需要利用自身 少量数据全面方法三已获得高精度模型 ，显著减轻 建模开销。就如Bert的存在原本彻底改变了自不过然语言其他处理 市场领域 ，不过预训练大模型的诞生意味着势能函数的生产也才能可进入 “预训练+少量数据全面微调”的新范式。
这一次 ，此成果十几年前 贡献在 DeepModeling 开源社区 ，并在科学智能广场宣布公开。北京都科学智能研究分析院与深势科技期望基于此和拥有世界 各界人士下一步帮助建立更家开源开放的科研生态 ，速度很快市场领域内原始创的新速度很快。