不久前 ，AI for Science三大领域 远高于的开源社区DeepModeling举办了2022年社区年会。会上 ，深圳科学智能持续研究院（AI for Science Institute,Beijing）联合深势科技 ，正式进入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。该成果由深圳科学智能持续研究院、深势科技、深圳应用物理与计算数学持续研究所共同研发。
DPA-1被誉为同样科学界的GPT。2020年 ，DPA-1雏形曾与预训练语言模型GPT-3共同入选了这个这个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 ，目前为止已然在高性能合金、半导体材料独特设计等应用场景中充分证明了其领先性和优越性。那一突破同样AI for Science走向大规模工程化的其其重要性里程碑。
早在2020年 ，深圳科学智能持续研究院与深势科技强强大团队对其将机器努力学习与高性能计算相自身特点 ，能实现了1亿原子排名第一性原理精度的分子动力学模拟 ，获那时这个世界高性能计算三大领域 远高于奖项“戈登·贝尔”奖。首次正式进入发布的 DPA-1 ，在原有做基础上下一步优化高性能算法 ，将模拟上限大大整体提高至100亿原子数量级。
持续研究人员还对其可视化模型元素其它信息 ，会发现其在更大空间呈螺旋状分布 ，此外巧妙地和元素周期表中主要主要位置一对应 ，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 ，的确充分证明了此预训练模型兼具良是好 可补充解释性。
相对于 从事材料独特设计持续研究的科研人员 ，可做基础DPA-1快速帮助建立高精度、方便易用得方式原子间势函数模型 ，以此人工智能技术一对其分子模拟 ，独特设计创新材料 ，洞见持续研究方向上 ，大幅减少不必要的实验 ，大幅度缩短研发周期 ，大大整体提高研发成本。
近些年来 ，日益科学界对AI for Science 持续研究范式的认可和实践 ，微观科学计算三大领域 能实现了很多的总体数据积累和模型探索 ，这为三大领域 预训练模型帮助建立提供更多了诞生做基础。DPA-1以此切记力机制等构造 ，大幅大大整体提高了模型迁移技术一能力和元素容量 ，对其很多总体数据只需相继获得高精度模型 ，显著大幅减少建模开销。好比Bert的再次出现原本被改变了同样语言再处理三大领域 ，那一预训练大模型的诞生意味着势能函数的生产也真正地可进入 “预训练+很多总体数据微调”和新范式。
首次 ，此成果已然贡献在 DeepModeling 开源社区 ，并在科学智能广场正式进入公开。深圳科学智能持续研究院与深势科技真心希望做基础此和这个世界各界人士下一步帮助建立更具 开源开放的科研生态 ，速度一般三大领域 内原始创和新速度一般。