近年来，机器学习势函数正在彻底改变了分子模拟领域的研究范式，大量基于第一性原理计算产生的数据极大拓展了模型的应用范围。然而，面对一个新的复杂体系，我们基本上仍然需要生成大量新的数据从头训练模型。参考人工智能其他领域的发展，能否利用大量已经产生的数据、复用训练好的模型，是减少模型生产成本亟待解决的难题。

近日，深势科技（DP Technology）以及北京科学智能研究院（AI for Science Institute，Beijing）研究员张铎、毕航睿等人和合作者在arXiv上预发表了名为《DPA-1: Pretraining of Attention-based Deep Potential Model for Molecular Simulation》的文章，通过对元素类型更优的编码以及利用关键的注意力机制，极大提高了Deep Potential之前版本模型的容量和迁移能力，获得了覆盖元素周期表大多常见元素的大型预训练模型。在不同数据集上的迁移学习结果表明，模型能大幅降低新场景对数据的依赖。

论文链接：https://arxiv.org/pdf/2208.08236.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除