《自然》子刊发表实验室最新成果：预训练框架GPIP，AI驱动计算物质科学研究新范式

近日，上海人工智能实验室（上海AI实验室）推出首个针对机器学习势函数模型的自监督预训练框架GPIP（Geometry-enhanced Pretraining on Interatomic Potentials），为AI驱动计算物质科学研究提供了新范式。

研究人员将AI与基础科学深度融合，提出了创新的自监督学习策略，使机器学习势函数的性能可靠度提升超过30%，同时，使用GPIP获取数据的计算量仅为传统方法的1%，大幅降低了研究成本。

由于能够精准模拟物质体系中分子的行为，势函数模型已成为当前实现高性能分子模拟的关键，在材料设计、药物研发等领域具备巨大应用潜力。上海AI实验室持续布局计算物质科学等AI for Science相关研究，深入探索AI在物质科学研究中的应用。

该成果相关论文Geometry-enhanced Pretraining on Interatomic Potentials已发表于Nature旗下刊物Nature Machine Intelligence。

论文标题：

Geometry-enhanced Pretraining on Interatomic Potentials

论文链接：

https://www.nature.com/articles/s42256-024-00818-6（点击文末“阅读原文”查看）

---

势函数助力物质科学研究

作为理论与实验科学之间的纽带，计算科学在自然科学研究中扮演着重要角色。分子动力学（Molecular Dynamics, MD）模拟通过模拟原子的运动，揭示了原子尺度上的微观细节和动态过程，被广泛应用于材料设计、生物制药、化学工程、环境科学及基础理论研究等领域。

近年来，随着算法发展和算力提升，传统的大规模“试错”实验已逐渐被“计算设计-实验验证”的方法所代替。

当前，MD模拟描述原子间相互作用力主要基于两种方法：通过求解复杂物理方程（如Density Functional Theory, DFT）得到原子受力信息，这种方法精度高但速度慢；通过拟合经验公式，即势函数或力场的方法，虽计算速度快，但精度较差，往往无法提供有价值的结论。

为此，学术界提出机器学习势函数，结合了DFT的高精度和经验势函数的高效率，可在保持计算精度的同时显著提高计算效率。然而，高性能的机器学习势函数往往依赖大量的带标注原子结构数据，当前存在数据稀缺、DFT计算资源消耗大等问题，限制了机器学习势函数的应用范围。

结构高效生成，数据准确可靠

针对上述挑战，上海AI实验室AI for Science团队推出GPIP几何增强预训练框架，旨在解决原子结构数据的获取与利用问题。

在GPIP框架中，经验势函数通过MD模拟，能够快速生成大量的目标体系原子结构数据。研究团队进一步设计了一套几何增强的自监督学习策略，通过掩码、去噪和对比学习等方法，从原子结构数据中提取出有用的三维几何和拓扑信息，强化了模型的学习能力。通过MD及算法策略，使得原子结构数据在高效生成的同时亦符合物理学约束条件。

通过GPIP生成的符合物理规律的有效水分子结构数据（左）与不符合物理规律的无效水分子结构数据（右）。右图中，原子位置分布与键长键角等特征不合理。

性能提升超三成，算力需求下降百倍

为验证GPIP在实际任务中的可靠性，研究人员使用多种势函数模型作为基座模型进行测试，测试数据集涵盖了从小分子到周期性复杂体系。评测结果显示，GPIP在各种任务上的平均绝对误差下降了30%-50%，且任务执行不依赖于具体的基座模型和下游任务数据集。

得益于自监督预训练的引入，初始生成的结构数据仅需二至三次迭代即可满足实验需要。此外，预训练使用的原子结构数据通过经典MD模拟生成，数据获取所需算力仅为传统方法的1%。

预测值与真实值的误差（MAE）随训练数据量的变化情况（左）以及计算资源消耗量（右）。

上海人工智能实验室Al for Science团队

面向物理、化学、生命、地球等科学领域，通过深入研究各学科基础理论，结合最新人工智能理论，探索AI驱动重大科学问题的研究范式，搭建微观到宏观自然科学的跨学科数据和算法开放生态平台，使人工智能紧密结合自然科学，通过基础及应用研究，构建从底层创新到产业落地的完整体系，加速人工智能在化学、新材料、气象、药物研发等领域的渗透与落地，赋能各行业发展。