前段时间，AI for Science细分领域最巨大开源社区DeepModeling举办了2022年社区年会。会上，北京都科学智能研究工作院（AI for Science Institute,Beijing）联合深势科技，发布最新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工作院、深势科技、北京都应用物通信达官网理与计算数学研究工作所共同研发。

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共同入选了这个这个世界工智能十大关键成果。DPA-1可模拟原子规模高至100亿，目前为止已然在高性能合金、半导体材料部分设计等应用场景中佐证了其领先性和优越性。这个突破就是AI for Science走向大规模工程化的关键里程碑。

早在2020年，北京都科学智能研究工作院与深势科技团队成员并对将机器学习从而整体提高与高性能计算相紧密结合，努力实现了1亿原子排第一性原理精度的分子动力学模拟，获十年前这个世界高性能计算细分领域最低奖项“戈登·贝尔”奖。首次发布最新的发展 DPA-1，在原有概念基础上并进一步优化高性能算法，将模拟上限从而整体提高至100亿原子数量级。

研究工作人员还并对可视化模型元素其它信息，被发现 其在更大空间呈螺旋状分布，但是巧妙地和元素周期表中中间中间位置一对应，元素周期表中同周期元素沿着螺旋下降方向调整排列，而垂直螺旋方向调整则对应着同一主族元素分布，这个佐证了此预训练模型具通信达官网有一良更好可理解性。

但是从事材料部分设计研究工作的科研人员，可概念基础DPA-1快速组织建立 高精度、方便易就用 于原子间势函数模型，利用它人工智能新型技术并对分子模拟，部分设计创新材料，洞通信达官网见研究工作方向调整，相应减少不必通信达官网要的实验，大幅度缩短研发周期，从而整体提高研发成本。

近些年来，并进一步科学界对AI for Science 研究工作范式的认可和实践，微观科学计算细分领域努力实现了较少的数据全面积累和模型探索，这为细分领域预训练模型组织建立 人员提供了诞生概念基础。DPA-1利用它时要力机制等构造，大幅从而整体提高了模型迁移新型技术能力和元素容量，并对较少数据全面就可已获得高精度模型，显著相应减少建模开销。那样 Bert的再次出现原本转变 了因此 语言处理完成细分领域，这个预训练大模型的诞生意味着势能函数的生产也能够开启“预训练+较少数据全面微调”新的发展范式。

首次，此成果已然贡献在 DeepModeling 开源社区，并在科学智能广场正式进入公开。北京都科学智能研究工作院与深势科技希望能够够概念基础此和这个世界各界人士并进一步组织建立 愈发开源开放的科研生态，慢的细分领域内原始创新的发展慢的。