本月，Amber和CP2K软件已在各自的代码仓库中，新增对DeePMD-kit的原生支持。AmberAmber是生物分子体系的分子动力学模拟软件，总引用量超过3.1万次，其中AmberTools以GPL和LGPL协议免费授权。Sander是AmberTools中的子程序，用于运行分子动力学（MD）模拟。本次新增的接口将sander和DeePMD-kit相连接，使得DP模型能与半经验QM/MM方法相结合，使用DPRc方法运行MD模拟。该接口的主要贡献者是Timothy

等，并有部分工作将其应用到“预训练+微调”的范式上来，从而节省新体系的数据生产成本。但是这些模型还没有做到通用，主要有以下几方面的问题：（1）模型要求产生预训练数据的方式（比如泛函、DFT

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

MD的精度和传统MD的效率，能够实现大尺寸体系的高精度模拟，这为有效模拟电池材料的复杂反应路径和相转变过程开辟了新的机会。该工作借助深度势能（deep

挑战材料的性能极限亦或者寻找拥有极限性能的材料不仅具有重要的科学价值，同时也具有强烈的技术应用背景需求。近几十年来，高超声速飞行器的发展对超高温热防护材料提出了越来越苛刻的要求，使得人们对超高温材料的兴趣急速升温。然而，由于超高温条件下精确的实验测量极其困难，迄今为止，何种材料具有最高的熔点依然是个未解之谜。目前，有关最高熔点材料的一个广泛宣传观点是：HfTa4C5是所有已知材料中熔点最高的~4215°C。这一表述被诸多教科书引用，也被记录于《大英百科全书》中。然而，这一观点实际来自于一个谬误。在Agte和Alterthum的原始论文中，HfTa4C5的熔点被报道为4215绝对温度，即4215K，而不是4215°C。在后来的实验研究中，有关HfTa4C5是否具有最高熔点一直存在争论，Andrievskii等人认为HfTa4C5可能具有最高熔点；而Rudy领导的团队则认为碳化铪和碳化钽的固溶体的熔点随成分单调变化，并不存在某个中间成分具有最高熔点。尽管自1930年Agte和Alterthum发表第一份研究报告以来，有关最高熔点材料的话题已经讨论了近100年，也不断有新的实验技术被用于相关的测试，但是寄希望于完全通过实验解决这一挑战依然存在诸多困难。近日，来自北京科学智能研究院、哈尔滨工业大学、航天材料及工艺研究所和北京深势科技有限公司的研究团队结合深度势能分子动力学模拟和贝叶斯全局优化对最高熔点材料开展了深入的理论研究，揭示了Hf-Ta-C-N体系材料熔点随成分的变化关系，并预测了最高熔点材料的潜在成分。为了克服传统分子动力学预测精度不足的问题，论文基于第一性原理计算数据，采用深度势能方法训练了Hf-Ta-C-N体系的势函数模型。训练得到的深度势能模型能够获得接近第一性原理的计算精度，其预测的能量和原子受力相对第一性原理的误差分别为8.1meV/atom和290meV/Å。此外，论文还通过平衡晶格常数、弹性模量、状态方程等性质对深度势能模型的准确性进行了进一步验证。图1.

近日，西湖大学理学院物理系刘仕课题组提出了“模块化开发深度势”（ModDP）的基本思路，用以开发适用于复杂固溶体的深度势能，扩展现有的深度势能[1]开发框架。在该研究中，研究人员以两类重要固溶体PbxSr1-xTiO3（PSTO）和HfxZr1-xO2（HZO）为例，系统性地探究了ModDP方案的可行性，最终获得了高精度的深度势能。基于PSTO深度势能，研究人员运用分子动力学模拟不仅获得了PSTO固溶体的温度-组分相图，并且在PbTiO3/SrTiO3超晶格中复现了实验上观测到的涡旋（vortex）拓扑结构。基于HZO深度势能，研究人员发现Zr掺杂不仅会影响HfO2的铁电-非铁电相变温度，还会改变高温非铁电相的类型。相关研究成果以“Modular

近期，中国科学院地球化学研究所理论团队与合作者利用深度势能分子动力（DPMD）学对六方相（hcp）超离子态铁-氢合金进行了深入研究，人工智能驱动的科学研究新方法（AI

近日，北京大学材料科学与工程学院许审镇课题组与北京科学智能研究院、深势科技合作，采用深度势能方法[1]构建经典LiCoO2正极材料的DP势函数，并采用DeePMD模拟结合增强采样技术，研究高度去锂的LixCoO2正极材料中过渡金属迁移和氧二聚体形成的动力学关联，相关研究成果以

近日，厦门大学化学化工学院程俊课题组，采用深度势能分子动力学[1]和基于第一性原理分子动力学的自由能计算方法研究SEI形成的热力学，并取得重要进展。相关研究成果以“Switching

Editiohttps://onlinelibrary.wiley.com/doi/epdf/10.1002/anie.202215544[3]

QDπ、ANI-2x、ANI-1x在分子内数据集的表现。对于三个模型而言，ANI-1xm均为训练集，COMP5m均为测试集。单位：kcal/mol/A图2

OC20，它里面是一堆金属的substrate，上面放一些小分子的活性分子，在催化表面上会发生一些反应。这样的一个数据集，我们把它的元素嵌入的空间拿过来做一个PCA，选取最显著的三个维度，把所有里面

近日，北京大学材料科学与工程学院许审镇课题组与中科院化学所文锐课题组、北京科学智能研究院、深势科技公司合作，采用深度势能方法[1]研究锂离子在锂电池固态电解质膜（SEI）的主要成分中的扩散机理方面取得重要研究进展，相关研究成果以

Science是学科交叉融合的成功范例，也是落地平台化的科研模式，此次科学智能广场的发布，标志着智慧共建，科研共创，价值分享的创新与共建模式的进一步进阶和推广。科学智能广场的发布不仅推动AI

(2009)】研究结果热力学性质的差异本文先从热力学性质的结果出发，带大家直观地体验一下MD计算中经典的和考虑量子效应的区别。图4.

eV/Å。声子色散的计算是否准确是检验DP模型精度的严格标准，因此我们还计算了ZWO的声子谱，44原子的胞产生了132个震动模，包括3个声学和129个光学支，计算结果与DFT计算结果相一致（图2c,

等期刊上以第一作者和通讯作者发表多篇文章。主要研究领域：金属结构材料的变形、环境断裂机理；锂电池负极材料失效机理及改性；动态催化理论；原位透射电子显微技术。李隽教授：

Li等人提出的加权热力学扰动（wTP）方法[3]结合起来，获得更加准确的自由能。据此，研究者基于wTP方法[3]，提出了广义加权热力学扰动（generalized

https://girder.hub.yt/#user/5e6910e368085e00018c906e/folder/5e6d279468085e00018c9081上下滑动查看更多推荐阅读

硼硅酸盐玻璃被广泛应用于餐具、光纤、显示玻璃、封接玻璃、生物活性玻璃、和核废料玻璃等多种产品。其中，含锂硼硅酸盐玻璃有望在全固态电池技术中发挥重要作用，它们具有柔韧性，可以使电解质和电极之间平滑连接以抑制界面电阻。在原子尺度理解玻璃微观结构，有助于准确地保持玻璃的离子导电性、机械响应性和抗裂性。密度泛函理论(DFT)计算是一种在纳米尺度上获得材料结构的精确方法。但是无定形氧化物玻璃的DFT计算是昂贵的，因为需要考虑较多的原子来表示非晶态结构的变化，以及较长的冷却时间来获得平衡良好的玻璃结构。经典分子动力学

（图3(a)）。团队进而假设有些与电子耦合较强的声子模式会由于电声耦合效应而不再稳定，被“冻结”，从而发生结构相变，并在此结构相变下计算了电子性质。研究发现，当一个特定的低频八极矩模式

近日，深势科技、北京科学智能研究院联合宁德时代21C创新实验室、宁波材料所采用深度势能方法[1]在研究有机无机复合钙钛矿的微观结构方面取得重大发现，研究成果“Hybrid

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

你是否：想要熟练掌握DP方法，却被DP-GEN安装反复折磨？能跟着最简单的例子跑一遍代码，却不知该如何应用到自己的科研中？大量的参数不知道意思，悉心设置一通，却做了很多无用计算？一个人单打独斗，想利用暑假弯道超车，却找不到志同道合的小伙伴？致力于解决以上问题的哥伦布训练营“超新星计划”已经开营一周啦！本次哥伦布训练营“超新星计划”有何亮点，这一周学员们的感受如何？下面请看小编从现场发回的实况报道~01学术氛围浓厚1v1导师计划根据学员们的课题和研究方向，本次超新星计划有针对性地为每个学员安排了学术导师。导师们来自DeepModeling社区和北京科学智能研究院（AISI），学术背景“硬核”，科研技能满满。无论是AI，Science背景，还是材料等领域，导师们均有丰富的科研经验。活动期间，不仅会为学员们做好规划指导，还会轮流坐班答疑解惑，为这段学术时光保驾护航。>讲座内容丰富不管是刚刚接触到dp的小白，还是已能熟练掌握dp系列方法，

Cluster作者：韩言博作品简介：ray能帮助人工智能和科学计算开发者向计算集群部署节点间频繁交互的计算任务。本项目为dflow开发了能执行ray任务的Executor，以衔接本地、云服务的ray

关注深度势能公众号，回复“AI4S报告”获取完整版2022年8月8日，2022中关村论坛系列活动——首届科学智能峰会隆重召开。本届峰会由中关村论坛执行委员会办公室、中关村科学城管理委员会指导，北京科学智能研究院（AISI）主办、北京深势科技有限公司承办。本届峰会的主题是“AI

Science'领域从0~1的创新目前可能还不太多。当然有许多实际问题的解决，并不一定需要0~1的创新，但我认为我们还是应该努力营造一个良好的创新生态，少做一些表面文章，多鼓励原始创新，只有这样AI

Hoffmann教授主讲。数字技术的进步虽然带来便利的生活，但是也带来了许多复杂的问题。科学技术对人类社会的潜在影响，总能引起人们最广泛的担忧。基于此，Hoffmann从他与Jean-Paul

Science需要什么样的基础设施，又将怎样与产业落地结合？通过为期4天的讨论，峰会将针对这些热点话题，为全球有志于践行AI

现为湘潭大学数学与计算科学学院教授。主要从事偏微分方程数值解、网格生成优化及高性能开源算法库的研究工作，致力于把所学数学知识转化为实际生产力，服务于实际工业应用。同时精通

第14届材料多尺度计算模拟国际会议于2022年7月4日至8日在成都举行，由电子科技大学承办，围绕新型自旋电子材料及其输运特性、多体系统的量子理论与计算、高效能源转存材料与器件设计、拓扑电子态与拓扑磁性等方向的议题开展研讨。2022材料多尺度计算模拟国际会议开幕式DeepModeling社区受邀参加了此次会议，并于7月7日至8日举办了第三期哥伦布训练营暨2022材料多尺度计算模拟国际会议DP培训课程，共吸引150+名学员报名参与，线上线下好评如潮，赶紧跟随小编盘点一下本次哥伦布训练营亮点和成果，重温一下精彩课程吧~◀课程亮点回顾▶超强的师资阵容本次训练营邀请到DeepModeling创始人之一张林峰博士、社区运营负责人王一博老师、北京大学数学学院博士后王亦楠老师、北京科学智能研究院研究员拓娉老师、dflow工作流套件主要负责人蒲建锟老师担任课程讲师。张与之老师协助对学员问题进行一对一答疑。课上，老师们深入讲解每个项目的闪光点，亮点频现。不同的教学风格、丰富的教学形式为学员们带来了精彩纷呈的课程内容。课后，课程讲师及答疑讲师们收集学员们在课程内容方面存在的困惑和意见。学员们认真聆听、积极交流、纷纷表示受益良多。丰富的课程内容不同于以往课程设置，本期训练营我们充分听取了往期学员的建议，不仅有往期备受好评的《DeePMD-Kit理论

World01Hackathon介绍在过去的一年里，许多有关AI4Science的项目在DeepModeling社区以迅雷不及掩耳之势成长起来：更强大的AI辅助分子模拟：DeePMD-kit

(2018)）：这一平均场动力学，实际上是在Wassenstein度量意义下的梯度动力学。人们证明了：如果其初始值的支集为全空间，且梯度下降的确收敛，那么其收敛结果必然是全局最优（参考：Chizat

想要知道Science领域有哪些亟待AI帮助解决的挑战？想要知道AI的知识能够如何应用到Science中？想要系统的学习AI4Science相关知识，但是找不到合适的渠道？这里，将是你学习AI4Science的最佳场所！AI4Science101带你扬帆起航！AI4Science

在实验室条件下，超快激光、强冲击波、离子束等过程常用于产生极端条件物质状态[1-3]。由于能量在极短时间尺度内（飞秒、皮秒量级）沉积，物质的热力学状态发生剧烈变化，并伴随着结构转变、金属化、解离、分层等复杂动力学过程。在这个过程中，离子、电子的行为显示出强烈的时间依赖特征和空间不均匀性，跨越多个时间、空间尺度。对于理论模拟而言，它意味着需要长时间（10^1

低温下伴随自发对称破缺的相变是物理学研究的传统课题。对于铁电体和铁磁体等凝聚态材料来说，唯象(Phenomenological)的朗道模型是描述这类相变的传统理论。传统的朗道理论基于体系的对称性，形式上直接给出了体系宏观自由能的一个微扰展开式，以出奇简单而优雅的方式定调了大部分相变的定性描述。同时，朗道理论中的微扰参数可以通过实验得到经验拟合。以此得到的数值朗道模型可以用来粗略地定量描述真实材料体系的一些性质。因而朗道理论往往是许多材料建模的开端。而对于从头算的第一性原理建模来说，朗道理论并不是建模的起点，而是一场漫长旅途的停靠点。Roberto

近些年来，机器学习势函数的发展极大推动了分子模拟领域的研究，使得针对大体系的高精度性质预测成为可能。然而，机器学习势函数的训练首先需要生成大量的第一性原理计算数据，对于精度要求很高的场景（如Quantum

开发精度高、可迁移性好的分子力场模型一直是微尺度科学计算领域的核心问题之一。近期，DeepModeling社区的开发者们发起了可微分分子力场（Differentiable

燃烧，特别是多相与湍流中的燃烧，涉及一系列复杂多尺度问题的交叉融合，是长期以来宏观尺度科学计算的痛点领域。近期DeepModeling开源社区发起了「机器学习+物理建模+高性能计算」的全新研究范式，为此领域带来了寻求系统性解决方案的机会。DeepFlame项目基于OpenFOAM、Cantera、Torch等开源平台，结合异构并行与AI加速器等新一代算力基础设施，旨在建设高精度、高效率、简单易用、覆盖面广的燃烧反应流的数值模拟程序，尝试解决闭源代码权威化、算力资源垄断化、祖传代码老化僵化等问题。同时希望结合开源社区的力量，为广大燃烧模拟用户搭建共享代码、算力平台和算例库，尝试改变研究者无代码可用、论文结果难以复现等诸多困局。点击下方视频观看DeepFlame官方介绍👇也可以去B站观看，视频链接：https://www.bilibili.com/video/BV1Vf4y1f7wB?share_source=copy_web为什么发起DeepFlame基于宏观连续介质Navier-Stokes方程数值求解的计算流体力学（Computational

等核心开发者的推动下，目前该项目正在紧锣密鼓的开发和使用节奏中。本文将介绍dflow的发起背景、主要特点、以及如何参与到dflow项目中。我们相信，无论你感兴趣的是AI

发展中的物质基础的体系包括：单片机、PC、服务器以及超算中心。在AI发展中，也需要构建这样一个从0.1$到10亿$的物质基础，在坚固物质基础的保障下，AI才有可能实现高速的发展。更多关于「AI

溶液反应是生命科学领域最主要的一类反应之一。在计算模拟中，量子力学/分子力学（QM/MM）方法能够在周期性边界条件下严格处理长程静电相互作用，因此被广泛应用于各类体系中。QM/MM方法将体系分为QM部分和MM部分，分别以精准的量子力学和快速的分子力学方法计算。2013年，提出QM/MM方法的Martin

开发精度高、可迁移性好的分子力场模型一直是微尺度科学计算领域的核心问题之一。近期，DeepModeling社区的开发者们发起了可微分分子力场（Differentiable

燃烧，特别是多相与湍流中的燃烧，涉及一系列复杂多尺度问题的交叉融合，是长期以来宏观尺度科学计算的痛点领域。近期DeepModeling开源社区发起了「机器学习+物理建模+高性能计算」的全新研究范式，为此领域带来了寻求系统性解决方案的机会。DeepFlame项目基于OpenFOAM、Cantera、Torch等开源平台，结合异构并行与AI加速器等新一代算力基础设施，旨在建设高精度、高效率、简单易用、覆盖面广的燃烧反应流的数值模拟程序，尝试解决闭源代码权威化、算力资源垄断化、祖传代码老化僵化等问题。同时希望结合开源社区的力量，为广大燃烧模拟用户搭建共享代码、算力平台和算例库，尝试改变研究者无代码可用、论文结果难以复现等诸多困局。为什么发起DeepFlame基于宏观连续介质Navier-Stokes方程数值求解的计算流体力学（Computational

原子层沉积(ALD)是一种薄膜制备技术，它允许在沉积基体表面形成纳米级薄膜，已成为制造纳米级半导体器件不可或缺的工具。ALD通过将气相前驱体脉冲交替地通入反应器，并在沉积基体上化学吸附和反应形成沉积膜。除了光谱研究外，对静态结构的第一性原理计算和对反应速率的数学建模是了解表面化学反应的另一途径。原则上，第一性原理分子动力学（AIMD）模拟可以正确描述化学反应的详细机理。然而，AIMD模拟计算成本较高，这限制了AIMD模拟在ALD反应研究中的应用。近日，韩国庆北大学Hiroya

等核心开发者的推动下，目前该项目正在紧锣密鼓的开发和使用节奏中。本文将介绍dflow的发起背景、主要特点、以及如何参与到dflow项目中。我们相信，无论你感兴趣的是AI

现实世界中，空气/水界面无处不在，是很多化学、生物、环境等领域很多化学反应的核心。近年来，很多研究发现，很多本身不容易发生的反应，在空气/水界面更容易发生；但同时，也有研究发现，空气/水界面阻碍了其它反应发生。那么，空气/水界面是否会改变无机酸和有机酸的酸性？长期以来，科学界对该问题没有共识，有的研究发现增强[4]，但有的研究则发现减弱[5]。这是怎么回事呢？昨日，J.

AISI北京科学智能研究院（AISI）成立于2021年9月，由鄂维南院士领衔，致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的“AI

本综述介绍了应用于计算材料学中的深度势能DP方法，重点阐述DP方法背后的理论、DP的开发方法和使用。同时，本综述回顾了DP在不同材料体系中的应用，介绍了DP

5月14日，第二期哥伦布训练营顺利举办并结营。虽然本次训练营出于北京市疫情防控需要临时更改为线上进行，但一脉相承的优秀师资阵容、全面理论教学和完整实操演示保证了理想的学习效果，课程干货更可谓只增不减。接下来，让我们一起回顾本次训练营的答疑锦集，看看大家的思想碰撞出了怎样的火花吧~DeePMD-kit原理Q1不同类型的描述符（se_e2、se_e3、hybrid）所应用的场景是？