零样本也精准？大原子模型为材料研发提速

本文介绍了由北京科学智能研究院、北京深势科技等机构合作提出的大原子模型DPA-2，该模型采用多任务预训练方法，能够同时学习多种化学与材料体系的特征，从而在面对“从未见过”的下游任务时给出更准确的预测。研究表明，DPA-2在“零样本”预测任务中的精度提升可达50%，并在多种下游任务中表现优异。这一模型不仅充实了分子模拟的理论与工具，也为高通量材料设计和前沿交叉研究带来更多可能性。随着更多多样化数据的加入，DPA模型将为材料模拟、药物设计乃至化工过程的预测与优化提供更广阔的路径。相关论文发表于npj Computational Materials 10: 293 (2024)。