征服元素周期表｜OpenLAM大原子模型计划

彼得·蒂尔曾说：“我们期待着拥有飞行汽车，但最后只得到了140个字符（Twitter）。”过去十多年来，我们在比特层面（互联网）取得了很大的进步，但在原子层面（尖端科技）的进步却相对缓慢。

语言世界数据的积累推动了机器学习的发展，并最终推动了大语言模型（Large Language Model，LLM）的出现。在AI的推动下，原子层面的进步也正在加速。像深度势能这样的方法，通过学习量子力学数据，将人类微观模拟的时空尺度提升数个量级，并在药物设计、材料设计、化学化工等领域取得显著进展。

量子力学数据的积累正在逐渐覆盖整个元素周期表，深度势能团队也开始了DPA预训练模型的实践。类比LLM的进展，我们正处在通用大原子模型（Large Atom Model，LAM）出现的前夜。同时，我们认为，开源开放将在LAM的发展过程中起到愈发重要的作用。

在此背景下，深度势能核心开发者团队面向社区，发起OpenLAM大原子模型计划。这一计划仍在草稿阶段，并准备从2024年1月1日正式开始，我们热诚、开放地欢迎来自各方的意见和支持。

OpenLAM的口号是“征服元素周期表！”，希望通过建立开源开放的围绕微尺度大模型的生态，为微观科学研究提供新的基础设施，并推动材料、能源、生物制药等领域微尺度工业设计的变革。相关模型、数据、工作流将围绕科学智能广场（AIS Square）沉淀；相关软件开发将在DeepModeling开源社区进行。同时，我们欢迎不同社区在模型开发、数据共享、评估测试等方面实现开放的互动。

OpenLAM在接下来三年致力的目标是：2024年，第一性原理数据有效覆盖元素周期表，实现通用的性质学习能力；2025年，与大规模实验表征数据与文献数据结合，实现通用跨模态能力；2026年，实现面向目标的原子尺度通用生成与规划能力。最终，期待在5-10年内，实现原子尺度智能化科学发现与合成设计的“大原子具身智能”。

OpenLAM在2024的具体计划是：

• 模型更新与评估报告发布

• 从2024年1月1日起，由深度势能团队推动，并欢迎各LAM开发者参与；

• 每三个月进行一次模型版本迭代，更新内容包括但不限于：模型架构、相关数据、训练策略、评估测试准则；

• AIS Cup 比赛

• 由深度势能团队推动、Bohrium云平台（https://bohrium.dp.tech/）支持，2024年3月发起，2024年年末结束；

• 希望推动围绕若干面向应用需求的指标的benchmark体系建立；

• 领域数据贡献

• 希望与领域开发者协作推动，建立“LAM-ready”的供预训练与评估的数据集；

• 每三个月，更新用以迭代训练最新模型的领域数据集；

• 领域应用与评估工作流贡献

• 每三个月，更新发布领域应用与评估工作流；

• 教育交流培训

• 我们期待推动一系列面向LAM开发者、领域开发者、用户的教育交流培训活动，推动领域的进步

• 如何联系我们？

• 我们鼓励在DeepModeling社区（https://github.com/deepmodeling/community/discussions）的直接讨论。如有更多不确定的问题，欢迎联系本计划的负责人王涵（[e-mail]）、张林峰（[e-mail]）

在征服元素周期表的路上，期待与你携手共创，共同走向微观世界AI for Science的新未来！

DeepModeling Blog

https://github.com/deepmodeling/blog/blob/master/source/_posts/openlam.md