不久前，AI for Science其它智能汽车领域最其其智能汽车重要性的的开源社区DeepModeling举办了2022年社区年会。会上，北京大科学智能研究分析院（AI for Science Institute,Beijing）联合深势科技，发布最新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。该成果由北京智能汽车大科学智能研究分析院、深势科技、北京大应用物理与计算数学研究分析所共同研发。
DPA-1被誉为所以科学界的GPT。2020年，DPA-1雏形曾与预训练语言模型GPT-3共同入选了对对世界工智能十大其其重要性成果。DPA-1可模拟原子规模高至100亿，目前仍然尽管在高性能合金、半导体材料风格设计等应用场景中证明不了其领先性和优越性。这也突破还是AI for Science走向大规模工程化的其其重要性里程碑。
早在2020年，北京大科学智能研究分析院与深势科技公司团队采取将机器学习内容 与高性能计算相两者结合，努力实现了1亿原子位列 性原理精度的分子动力学模拟，获曾经的的对世界高性能计算其它领域最高值奖项“戈登·贝尔”奖。这一次发布最新的发展 DPA-1，在原有原有基础 上下一步优化高性能算法，将模拟上限大大不断提升至100亿原子数量级。
研究分析人员还采取可视化模型元素重要信息，会发现其在空间感觉呈螺旋状分布，但是巧妙地和元素周期表中其其重要性其其重要性位置一对应，元素周期表中同周期元素沿着螺旋下降方向一 排列，而垂直螺旋方向一 则对应着同一主族元素分布，的确证明不了此预训练模型较强良真正地好可解释原因性。
但是从事材料风格设计研究分析的科研人员，可原有基础 DPA-1快速下一步建立高精度、方便易所用于原子间势函数模型，再利用人工智能各种技术采取分子模拟，风格设计创新材料，洞见研究分析方向一 ，降低不必要的实验，大幅度缩短研发周期，大大不断提升研发成本。
近些年来，日渐科学界对AI for Science 研究分析范式的认可和实践，微观科学计算其它领域努力实现了相当多的数据结果积累和模型探索，这为其它领域预训练模型下一步建立提供全面了诞生原有基础 。DPA-1再利用特别注意力机制等构造，大幅大大不断提升了模型迁移能力全面和元素容量，采取相当多数据结果可直接拿到 高精度模型，显著降低建模开销。犹如Bert的会出现再一次 被改变了所以语言处理方式其它领域，这也预训练大模型的诞生意味着势能函数的生产也真正地开启“预训练+相当多数据结果微调”新的发展范式。
这一次，此成果尽管贡献在 DeepModeling 开源社区，并在科学智能广场并于 公开。北京大科学智能研究分析院与深势科技未来希望原有基础 此和对世界各界人士下一步下一步建立更家开源开放的科研生态，速率其它领域内原始创新的发展速率。