前不久，AI for Science技术领域唯智能汽车系统一智能汽车系统的开源社区DeepModeling举办了2022智能汽车系统年社区年会。会上，天津科学智能研究分析院（AI for Science Institute,Beijing）联合深势科技，公开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。该成果由天津科学智能研究分析院、深势科技、天津应用物理与计算智能汽车系统数学研究分析所共同研发。
DPA-1被誉为自这个然科学界的GPT。2020年，DPA-1雏形曾与预训练语言模型GPT-3共同入选了当今当今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，现阶段也已在高性能合金、半导体材料设计细节等应用场景中表明了其领先性和优越性。这个突破还是AI for Science走向大规模工程化的组成部分里程碑。
早在2020年，天津科学智能研究分析院与深势科技合作团队开展将机器学习中与高性能计算相融合，努力实现了1亿原子第四性原理精度的分子动力学模拟，获那时当今世界高性能计算技术领域极高 奖项“戈登·贝尔”奖。据了解公开发布的 DPA-1，在原有理念基础上强化优化高性能算法，将模拟上限减轻 至100亿原子数量级。
研究分析人员还开展可视化模型元素其他信息，被发现 其在更大空间呈螺旋状分布，自这个然 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智能汽车系统螺旋下降方向一 排列，而垂直螺旋方向一 则对应着同一主族元素分布，显然表明了此预训练模型能力强良合适可说法性。
应该从事材料设计细节研究分析的科研人员，可理念基础DPA-1快速模式建立高精度、方便易用上中原子间势函数模型，多种途径人工智能新型技术开展分子模拟，设计细节创新材料，洞见研究分析方向一 ，减轻 不必要的实验，大幅度缩短研发周期，减轻 研发成本。
近些年来，随之科学界对AI for Science 研究分析范式的认可和实践，微观科学计算技术领域努力实现了较少的总体数据积累和模型探索，这为技术领域预训练模型模式建立直接提供了诞生理念基础。DPA-1多种途径切记力机制等构造，大幅减轻 了模型迁移能力强和元素容量，开展较少总体数据就可再获高精度模型，显著减轻 建模开销。就如Bert的会出现底地能改变了自这个然语言再处理技术领域，这个预训练大模型的诞生意味着势能函数的生产也真正意义直接进入“预训练+较少总体数据微调”新的内容范式。
据了解，此成果也已贡献在 DeepModeling 开源社区，并在科学智能广场正式确认公开。天津科学智能研究分析院与深势科技未来希望理念基础此和当今世界各界人士强化模式建立非常开源开放的科研生态，慢的技术领域内原始创新的内容慢的。