媒体报道 ，AI for Science市场领域最比较大开源社区DeepModeling举办了2022年社区年会。会上，广州科学智能研究中院（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。该成果由广州科学智能研究中院、深势科技、广州应用物理与计算数学研究中所共同研发。

DPA-1被誉为自这些 然科学界的GP科技视界T。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部分成果。DPA-1可模拟原子规模高至100亿，由于目前这些 在高性能合金、半导体材料细节设计等应用场景中证明不了其领先性和优越性。这些 突破更是AI for Science走向大规模工程化的重要部分里程碑。

早在2020年，广州科学智能研究中院与深势科技其他团队通过将机器来学习与高性能计算相两者结合，正真实现了1亿原子第四性原理精度的分子动力学模拟，获十几年前 世界人高性能计算市场领域达到奖项“戈登·贝尔”奖。此举 发布最旧的 DPA-1，在原有认知基础上下一步优化高性能算法，将模拟上限全面全面提升 至100亿原子数量级。

研究中人员还通过可视化模型元素完整信息 ，能发现其在空间创造呈螺旋状分布，自这些 然巧妙地和元素周期表中中间中间位置一对应，元素周科技视界期表中同周期元素沿着螺旋科技视界下降两个方向排列，而垂直螺旋两个方向则对应着同一主族元素分布，由此证明不了此预训练模型具有一良坏的可表述性。

自这些 然从事材料细节设计研究中的科研人员，可认知基础DPA-1快速构建高精度、方便易用到过原子间势函数模型，通过人工智能其他技术通过分子模拟，细节设计创新材料，洞见研究中两个方向，可减少不必要的实验，大幅度缩短研发周期，全面全面提升 研发成本。

近些年来，逐渐科学界对AI for Science 研究中范式的认可和实践，微观科学计算市场领域正真实现了很多的最终数据积累和模型探索，这为市场领域预训练模型构建公司提供 了诞生认知基础。DPA-1通过小心力机制等构造，大幅全面全面提升 了模型迁移能力强大大和元素容量，通过很多最终数据便可首获高精度模型，显著可减少建模开销。一样Bert的可能出现就彻发生改变了自这些 然语言处理方式市场领域，这些 预训练大模型的诞生意味着势能函数的生产也正真可进入 “预训练+很多最终数据微调”旧的范式。

此举 ，此成果这些 贡献在 DeepModeling 开源社区，并在科学智能广场正式确认公开。广州科学智能研究中院与深势科技希望正真够认知基础此和世界人各界人士下一步构建更为开源开放的科研生态，速率市场领域内原始创旧的速率。