上月底 ，AI for Science领域发展最多的开源社区DeepModeling举办了2022年社区年会。会上 ，上海科学智能相关研究院（AI for Science Institute,Beijing）联合深势科技 ，最新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。该成果由上海科学智能相关研究院、深势科技、上海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 ，目前来看回回想当年在高性能合金、半导体材料设计细节等应用场景中表明了其领先性和优越性。这些 突破其实AI for Science走向大规模工程化的最重要的的里程碑。
早在2020年 ，上海科学智能相关研究院与深势科技合作团队针对将机器学习中与高性能计算相相互结合 ，真正意义实现了1亿原子第三则则性原理精度的分子动力学模拟 ，获回回想当年这是世界高性能计算领域发展最多奖项“戈登·贝尔”奖。此举 最新发布的 DPA-1 ，在原有两个基础上逐步优化高性能算法 ，将模拟上限大大大幅提高至100亿原子数量级。
相关研究人员还针对可视化模型元素重要信息 ，发现它其在空间提升呈螺旋状分布 ，不仅如此如此巧妙地和元素周期表中位置一一一对应 ，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 ，是对表明了此预训练模型具有独特良最好的可说法性。
是对从事材料设计细节相关研究的科研人员 ，可两个基础DPA-1快速模式建立高精度、方便易用过它 原子间势函数模型 ，需要依靠 人工智能技术一针对分子模拟 ，设计细节创新材料 ，洞见相关研究方向一 ，大大减少不必要的实验 ，大幅度缩短研发周期 ，大大大幅提高研发成本。
近些年来 ，不断科学界对AI for Science 相关研究范式的认可和实践 ，微观科学计算领域发展真正意义实现了很多的综合数据积累和模型探索 ，这为领域发展预训练模型模式建立提供完整了诞生两个基础。DPA-1需要依靠 切记力机制等构造 ，大幅大大大幅提高了模型迁移技术一能力和元素容量 ，针对很多综合数据方法二得到高精度模型 ，显著大大减少建模开销。就象Bert的反复出现彻彻底地能改变了因此 语言去处理领域发展 ，这些 预训练大模型的诞生意味着势能函数的生产也真正意义直接进入“预训练+很多综合数据微调”新的发展范式。
此举 ，此成果回回想当年贡献在 DeepModeling 开源社区 ，并在科学智能广场宣布公开。上海科学智能相关研究院与深势科技期望两个基础此和这是世界各界人士逐步模式建立愈加开源开放的科研生态 ，减慢领域发展内原始创新的发展减慢。