自然科学界GPT发布，DPA-1成AI4S走向大规模工程化的重要里程碑

最近，人工智能领域最大的开源社区DeepModeling举行了2022年社区年会。会上，北京科学情报研究所联合神十科技发布了首个覆盖元素周期表近70个元素的深势能原子间势函数预训练模型——DPA-1。这项成果由北京科学智能研究所、神石科技和北京应用物理与计算数学研究所联合开发。

DPA-1被称为自然科学的GPT。2020年，DPA-1原型和预训练语言模型GPT-3入选世界人工智能十大重要成果。DPA-1可以模拟高达100亿的原子尺度，在高性能合金和半导体材料设计的应用场景中已经证明了其领先性和优越性。这一突破也是AI for Science走向大规模工程的重要里程碑。

早在2020年，通过将机器学习与高性能计算相结合，北京科学智能研究院和神十科技团队实现了1亿个原子第一性原理精度的分子动力学模拟，并获得了当年国际高性能计算领域的最高奖“戈登·贝尔”奖。此次发布的DPA-1在原有基础上进一步优化高性能算法，将模拟上限提升至百亿原子量级。

通过可视化模型中元素的信息，研究人员还发现它们在空间呈螺旋状分布，并巧妙地对应着元素周期表中的位置。在元素周期表中，周期相同的元素沿着向下的螺旋方向排列，而垂直的螺旋方向对应着同一个主族的元素分布，这也证明了这种预训练模型具有良好的可解释性。

对于从事材料设计研究的科研人员来说，可以基于DPA-1快速构建高精度、简单易用的原子间势函数模型，利用人工智能技术进行分子模拟，设计创新材料，洞察研究方向，减少不必要的实验，大大缩短RD周期，降低RD成本。

近年来，随着科学界对AI for Science研究范式的认可和实践，在微观科学计算领域实现了大量的数据积累和模型探索，为领域预训练模型的构建提供了诞生基础。DPA-1采用注意机制等结构，大大提高了模型迁移能力和元素容量。可以用少量的数据获得高精度的模型，显著降低建模开销。正如Bert的出现彻底改变了自然语言处理领域一样，这种预训练模型的诞生意味着势能函数的产生真正进入了“预训练+少量数据微调”的新范式。

据悉，该成果已贡献给DeepModeling开源社区，并在科学智能广场正式公之于众。基于此，北京科学智能研究院和神石科技希望与全球各界人士一起推动建立更加开源的科研生态，加快领域原始创新的速度。