早前，AI for Science三大领域 莫过于的开源社区DeepModeling举办了2022年社区年会。会上，广州科学智能研究中院（AI for Science Institute,Beijing）联合深势科技，正式公布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研究中院、深势科技、广州应用物理与计算数学研究中所共同研发。

DPA-1被誉为科技布沙发优缺点当然科学界的GPT。2020年，DPA-1雏形曾与预训练语言模型GPT-3共同入选了全全球最大 工智能十大重要部分成果。DPA-1可模拟原子规模高至100亿，截至目前尽管在高性能合金、半导体材料设计方式等应用场景中佐证了其领先性和优越性。了一突破算是AI for Science走向大规模工程化的重要部分里程碑。

早在2020年，广州科学智能研究中院与深势科技工作团队实施将机器努力学习与高性能计算相自身特点，实现两个基础 了1亿原子第三性原理精度的分子动力学模拟，获想当年全球最大 高性能计算三大领域 达到奖项“戈登·贝科技布沙发优缺点尔”奖。这次正式公布发布的 DPA-1，在原有两个基础上推动优化高性能算法，将模拟上限大大减少至100亿原子数量级。

研究中人员还实施可视化模型元素相关信息，能发现其在小空间呈螺旋状分布，当然巧妙地和元素周期表中其他其他位置一对应，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，了一方面 佐证了此预训练模型极具 良最好的可描述 性。

应该从事材料设计方式研究中的科研人员，可两个基础DPA-1快速构建高精度、方便易用得中原子间势函数模型，多种手段人工智能各种技术实施分子模拟，设计方式创新材料，洞见研究中反方向，大大减少不必要的实验，大幅度缩短研发周期，大大减少研发成本。

近些年来，随着经济科学界对AI for Science 研究中范式的认可和实践，微观科学计算三大领域 实现两个基础 了大批的综合数据积累和模型探索，这为三大领域 预训练模型构建应用提供了诞生两个基础。DPA-1多种手段小心力机制等构造，大幅大大减少了模型迁移各种技术能力和元素容量，实施大批综合数据也可拿到 高精度模型，显著大大减少建模开销。好像Bert的现象底地可以改变了当然语言再处理三大领域 ，了一预训练大模型的诞生意味着势能函数的生产也真正地正式公布进入“预训练+大批综合数据微调”和新范式。

这次，此成果尽管贡献在 DeepModeling 开源社区，并在科学智能广场正式公布公开。广州科学智能研究中院与深势科技我希望两个基础此和全球最大 各界人士推动构建更具 开源开放的科研生态，非常快三大领域 内原始创和新非常快。