今年年初  ，AI for Science相关领域非常非常大开源社区DeepModeling举办了2022年社区年会。会上  ，上海科学智能研究成果院（AI for Science Institute,Beijing）联合深势科技  ，已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研究成果院、深势科技、上海应用物理与计算数学研究成果所共同研发。

DPA-1被誉为人自然科学界的GPT。2020年  ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了这是这是世界工智能十大组成部分成果。DPA-1可模拟原子规模高至100亿  ，由于目前早就在高性能合金、半导体材料设计理念等应用场景中实际证明 了其领先性和优越性。这也突破人自然AI for Science走向大规模工程化的组成部分里程碑。

早在2020年 ，上海科学智能研究成果院与深势科技公司团队多种渠道将机器努力学习与高性能计算相相结合  ，顺利实现了1亿原子排第一性原理精度的分子动力学模拟 ，获曾经的的这是世界高性能计算相关领域最多奖项“戈登·贝尔”奖。这次已发布的 DPA-1  ，在原有此基础上加大优化高性能算法 ，将模拟上限得到不断提升至100亿原子数量级。

研究成果人员还多种渠道可视化模型元素重要信息  ，看到其在空间创造呈螺旋状分布  ，不但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上排列  ，而垂直螺旋方向上则对应着同一主族元素分布  ，这也点实际证明 了此预训练模型极具 良坏的可解释原因性。

而言从事材料设计理念研究成果的科研人员  ，可此基础DPA-1快速帮助建立高精度、方便易使用原子间势函数模型  ，多种渠道人工智能技术一多种渠道分子模拟  ，设计理念创新材料  ，洞见研究成果方向上  ，增加不必要的实验  ，大幅度缩短研发周期 ，得到不断提升研发成本。

近些年来 ，随之科学界对AI for Science 研究成果范式的认可和实践 ，微观科学计算相关领域顺利实现了非常多 的表现数据积累和模型探索 ，这为相关领域预训练模型帮助建立提供更多了诞生此基础。DPA-1多种渠道注意观察力机制等构造  ，大幅得到不断提升了模型迁移能力不强和元素容量  ，多种渠道非常多 表现数据也可已获得高精度模型 ，显著增加建模开销。就如Bert的会出现再一次 发生改变了人自然语言后续处理相关领域  ，这也预训练大模型的诞生意味着势能函数的生产也真正的并于 进入“预训练+非常多 表现数据微调”重新范式。

这次 ，此成果早就贡献在 DeepModeling 开源社区  ，并在科学智能广场并于 公开。上海科学智能研究成果院与深势科技未来希望此基础此和这是世界各界人士加大帮助建立更为开源开放的科研生态  ，加速相关领域内原始创重新加速。