前不久 ，AI for Science相关领域唯一的开源社区DeepModeling举办了2022年社区年会。会上 ，帝都北京科学智能专门研究 院（AI for Science Institute,Beijing）联合深势科技 ，陆续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。该成果由帝都北京科学智能专门研究 院、深势科技、帝都北京应用物理与计算数学专门研究 所共同研发。
DPA-1被誉为表现自然科学界的GPT。2020年 ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了中国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 ，目前为止目前为止在高性能合金、半导体材料设计造型 等应用场景中证明不了其领先性和优越性。然而突破不仅如此AI for Science走向大规模工程化的组成部分里程碑。
早在2020年 ，帝都北京科学智能专门研究 院与深势科技核心团队利用设备将机器学习整体大幅提升与高性能计算相两者结合 ，快速实现了1亿原子排名第一性原理精度的分子动力学模拟 ，获曾经的的中国高性能计算相关领域最高值奖项“戈登·贝尔”奖。据悉陆续发布的 DPA-1 ，在原有技术基础上近一步优化高性能算法 ，将模拟上限整体大幅提升至100亿原子数量级。
专门研究 人员还利用设备可视化模型元素数据信息 ，发现它其在整体空间呈螺旋状分布 ，不仅如此如此巧妙地和元素周期表中中线中线位置一对应 ，元素周期表中同周期元素沿着螺旋下降一个方向排列 ，而垂直螺旋一个方向则对应着同一主族元素分布 ，而对证明不了此预训练模型并具良这样可解释原因性。
而对从事材料设计造型 专门研究 的科研人员 ，可技术基础DPA-1快速近一步建立高精度、方便易使用标准原子间势函数模型 ，利用设备人工智能各种技术利用设备分子模拟 ，设计造型 创新材料 ，洞见专门研究 一个方向 ，明显减少不必要的实验 ，大幅度缩短研发周期 ，整体大幅提升研发成本。
近些年来 ，逐渐被 被 科学界对AI for Science 专门研究 范式的认可和实践 ，微观科学计算相关领域快速实现了大量地的数据统计 积累和模型探索 ，这为相关领域预训练模型近一步建立可以提供了诞生技术基础。DPA-1利用设备需注意力机制等构造 ，大幅整体大幅提升了模型迁移能力不足和元素容量 ，利用设备大量地数据统计 只需已获得高精度模型 ，显著明显减少建模开销。就象Bert的反复出现原本变化了表现自然语言后续处理相关领域 ，然而预训练大模型的诞生意味着势能函数的生产也真正地提前进入“预训练+大量地数据统计 微调”新的方式范式。
据悉 ，此成果目前为止贡献在 DeepModeling 开源社区 ，并在科学智能广场正式公布公开。帝都北京科学智能专门研究 院与深势科技真心希望技术基础此和中国各界人士近一步近一步建立愈加开源开放的科研生态 ，加速度相关领域内原始创新的方式加速度度。