日前  ，AI for Science三大领域 非常不小 开源社区DeepModeling举办了2022年社区年会。会上  ，帝都北京科学智能研究者院（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。该成果由帝都北京科学智能研究者院、深势科技、帝都北京应用物理与计算数学研究者所共同研发。

DPA-1被誉为肯定科学界的GPT。2020年  ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了世界人人工智能十大重要性 成果。DPA-1可模拟原子规模高至100亿  ，目前已虽然在高性能合金、半导体材料设计细节等应用场景中直接证明了其领先性和优越性。不过突破但是AI for Science走向大规模工程化的重要性 里程碑。

早在2020年 ，帝都北京科学智能研究者院与深势科技其他团队对其将机器继续学习与高性能计算相运用  ，努力实现了1亿原子排名第一性原理精度的分子动力学模拟  ，获那时世界人高性能计算三大领域 极高 奖项“戈登·贝尔”奖。该次近期发布的 DPA-1  ，在原有认知基础上逐步优化高性能算法 ，将模拟上限显著大幅提升至100亿原子数量级。

研究者人员还对其可视化模型元素数据信息 ，发现自己其在操作空间 呈螺旋状分布 ，但是巧妙地和元素周期表中位置选择一一对应  ，元素周期表中同周期元素沿着螺旋下降方向中排列  ，而垂直螺旋方向中则对应着同一主族元素分布 ，这不直接证明了此预训练模型它具良最好的可表述性。

而言从事材料设计细节研究者的科研人员  ，可认知基础DPA-1快速逐步建立高精度、方便易以及用得原子间势函数模型  ，多种渠道人工智能技术方面对其分子模拟  ，设计细节创新材料  ，洞见研究者方向中 ，减轻 不必要的实验  ，大幅度缩短研发周期  ，显著大幅提升研发成本。

近些年来  ，随着时间科学界对AI for Science 研究者范式的认可和实践  ，微观科学计算三大领域 努力实现了大批的最终数据积累和模型探索  ，这为三大领域 预训练模型逐步建立应用提供了诞生认知基础。DPA-1多种渠道应注意力机制等构造 ，大幅显著大幅提升了模型迁移决策能力 和元素容量  ，对其大批最终数据也可获得一高精度模型  ，显著减轻 建模开销。好像Bert的发生 再一次 可以改变了肯定语言处理方法三大领域 ，不过预训练大模型的诞生意味着势能函数的生产也才是提前进入“预训练+大批最终数据微调”新的结构 范式。

该次 ，此成果虽然贡献在 DeepModeling 开源社区  ，并在科学智能广场并于 公开。帝都北京科学智能研究者院与深势科技衷心希望认知基础此和世界人各界人士逐步逐步建立更家开源开放的科研生态 ，非常快三大领域 内原始创新的结构 非常快。