【儀表網(wǎng) 研發(fā)快訊】物質(zhì)科學(xué)的核心問題之一是理解原子間的相互作用。如果我們能建立一個原子尺度的通用力場，便可創(chuàng)造一個原子間相互作用的求解器，從而通過分子動力學(xué)模擬諸多物質(zhì)科學(xué)問題。前輩科學(xué)家們發(fā)明的量子化學(xué)/密度泛函理論(Quantum Chemistry/Density Functional Theory)通過求解薛定諤方程造就了一個模擬物質(zhì)科學(xué)的大一統(tǒng)方法。通過此類方法，人們可以精確求解任意化合物體系中原子間相互作用，較為完美的解決了這個問題。但是密度泛函理論需要強大的算力，僅適用于數(shù)十至數(shù)百原子體系，無法線性擴展至大體系或復(fù)雜體系；而傳統(tǒng)的分子動力學(xué)方法，雖然運算速度快，但是力場精度低、力場適用體系少，因此存在諸多限制。
 

　　中國科學(xué)院物理研究所/北京凝聚態(tài)物理國家研究中心孟勝、劉淼研究員聯(lián)合松山湖材料實驗室團隊，研發(fā)了一種基于深度學(xué)習(xí)圖結(jié)構(gòu)的通用預(yù)訓(xùn)練力場(graph-based pre-trained transformer force field ，簡稱GPTFF)。GPTFF模型充分利用Atomly數(shù)據(jù)庫中的海量數(shù)據(jù)和 transformer 算法的注意力機制，可精確預(yù)測原子間相互作用，具備出色的精度和泛化能力，適用于幾乎任意無機化合物的近平衡態(tài)，可用于大體系及復(fù)雜體系的分子動力學(xué)模擬。GPTFF模型支持開箱即用，用戶可跳過模型訓(xùn)練步驟，直接開展化合物的結(jié)構(gòu)優(yōu)化、相變模擬、物質(zhì)輸運等科學(xué)問題。GPTFF開發(fā)團隊已將該模型的算法、程序、模型參數(shù)開源，所有人都可下載使用。
 

　　原子尺度的通用力場AI大模型，可廣泛支持物質(zhì)物理、材料、化學(xué)等諸多領(lǐng)域，它也被認(rèn)為是物質(zhì)科學(xué)的基座模型，有望變革性地改變物質(zhì)領(lǐng)域的計算模擬方式。美國的 Materials Project團隊率先發(fā)布了m3gnet和CHGNET模型及數(shù)據(jù)集，成為了該方向的標(biāo)桿。google、微軟等科技公司洞悉到該方向的重要性，也正在研發(fā)類似的AI模型及數(shù)據(jù)產(chǎn)品。我國雖然有很多類似的項目及模型，但都采用歐美的開源數(shù)據(jù)集，無法從根本上實現(xiàn)自主可控，更無法實現(xiàn)超越。GPTFF模型的訓(xùn)練數(shù)據(jù)源自自研的Atomly材料數(shù)據(jù)庫(https://atomly.net/)。該數(shù)據(jù)庫包含近35萬個無機材料數(shù)據(jù)，數(shù)據(jù)規(guī)模和質(zhì)量位于世界頂級水準(zhǔn)，知識產(chǎn)權(quán)自主可控，也是我國唯一可對標(biāo)歐美競品的無機材料數(shù)據(jù)庫。GPTFF的訓(xùn)練數(shù)據(jù)包含3780 萬個單點能量、117 億個力對和 3.402 億個應(yīng)力，數(shù)據(jù)具有高度的標(biāo)準(zhǔn)和和一致性，保證了模型的高精度和強泛化能力。GPTFF能夠?qū)崿F(xiàn)對原子間相互作用的精確預(yù)測，原子間能量、受力以及應(yīng)力的預(yù)測精度分別達到 MAE=32meV/ 原子、71 meV/Å 和 0.365 GPa，優(yōu)于m3gnet和CHGNET(圖1)?？捎糜谀M晶體結(jié)構(gòu)弛豫、固態(tài)電解質(zhì)中的離子疏運、金屬在應(yīng)力下的相變等科學(xué)問題 (圖2)。
 

　　本工作受到了國家自然科學(xué)基金項目、科技部重點研發(fā)計劃和中國科學(xué)院的資助。物理所博士生謝帆愷是該論文第一作者，孟勝研究員、劉淼研究員為通訊作者。該成果以“GPTFF：一套高精度開箱即用的無機化合物人工智能通用力場模型(GPTFF: A high-accuracy out-of-the-box universal AI force field for arbitrary inorganic materials)”為題發(fā)表在《Science Bulletin》雜志。
 

圖1. 模型精度及運行效率
 

圖2. 模擬鋰離子電池固態(tài)電解質(zhì)中的Li離子輸運行為