一个模型搞定元素周期表常见元素分子模拟模型最高省90数据

　　白交 发自 凹非寺
　　量子位 | 公众号 QbitAI
　　分子模拟领域的预训练模型，来了！
　　DPA-1 ，中国团队深势科技以及北京科学智能研究院等机构打造，能覆盖元素周期表大多数常见元素。
　　在各类数据集上的迁移学习结果表明，该模型能大幅降低新场景对数据的依赖，甚至在特定条件下能省去90%的数据。用大模型的思路打开分子模拟
　　机器学习辅助下的原子间势能面（PES） 建模，与相应的机器学习势函数正在彻底改变分子模拟领域。PES是用于描述化学体系的一个基本量，通过它能得到大量原子间相互作用的信息。
　　过去传统的分子模拟，主要是基于物理经验得到的解析函数来描述PES，但始终无法完整描述出原子间相互作用。
　　目前，机器学习势函数得益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，在材料科学、计算物理等领域应用广泛，并取得了较大成果。
　　不过仍面临着现有模型迁移能力不足、缺乏通用大模型的局限性。当面对一个复杂体系时，仍需获取大量数据从头开始训练模型，造成计算成本高昂。
　　基于这样的背景，研究人员参考当下在CV、NLP等领域中大模型的一种＂预训练+少量数据微调＂ 解决方案，提出了DPA-1 ，基于新注意力机制的深度势能预训练模型。
　　类似于NLP的注意力机制，研究人员提出了门控注意力机制  （即图中的红色模块） 。
　　据介绍，该模型在原子局部环境矩阵上进行了类比多体（大量粒子构成的微观系统） 相互作用的信息交互，并以正则化的相对坐标点乘作为角度信息，对获得注意力权重进行重新加权，以此来实现类似门控的机制。
　　此外，DPA-1还引入了对元素的编码。不同元素共用同一套网络参数，从而提升元素容量。还将化学元素可视化
　　在迁移性测试中，研究人员有意将不同训练集划分成多个子集，且每个子集的组分、构型都有较大差异。
　　以AlMgCu合金数据集为例，则是分为了single、binary、ternary三个子集。
　　（single子集仅包含单质/一元数据，binary仅有二元数据，即Al-Mg，Al-Cu，Mg-Cu；而ternary则是剩余的三元数据）
　　结果显示，相较于DeepPot-SE，DPA-1的测试精度有较大的提升，甚至在特定条件下这种提升达到了一两个数量级。
　　进一步地，研究人员设计了迁移学习的方案。
　　简言之，就是先在较大规模数据上进行预训练，然后根据新的少量数据集修改最后一层能量偏差。
　　在AlMgCu合金数据集测试中，就将一元、二元子集上进行预训练，然后在三元子集上测试。
　　结果显示，对比DeepPot-SE，DPA-1可节省约90%的三元数据。
　　在仅有少量三元数据测试下，也能达到较高的精度。
　　接着他们在包含56种元素的大型数据集OC2M上预训练，并将其迁移到毫不相关的HEA和AlCu数据集上，结果都显示出能成功的应用。
　　其他类似模型GemNet（分子的通用方向图神经网络） 在同样OC2M数据集上预训练，产生的模型有数十亿的参数，训练时间需要数以千计的GPU hours 。
　　而DPA-1只需要不到200个GPU hours 来训练不到一百万个参数，并取得了不错的结果（DPA-1和Gemnet-OC[34]的能量MAE为0.681 vs 0.286 eV） 。
　　除此之外，他们还将元素可视化——模型中学习到元素编码进行了PCA降维并可视化。
　　可以看到，所有元素都呈螺旋状分布，同周期元素沿着螺旋下降，同族元素则垂直螺旋方，恰好对应的是元素周期表的位置。
　　据研究人员介绍，本次研究证明了＂预训练+少量任务微调＂流程的可行性。
　　接下来，他们将致力于势函数自动化生产、自动化测试，也将关注像多任务训练、无监督学习、模型压缩、蒸馏等操作，方便用户一键生成下游任务所需的势能函数。
　　感兴趣的旁友，可戳下方论文链接了解更多~
　　论文链接：
　　https://arxiv.org/abs/2208.08236
　　GitHub链接：
　　https://github.com/deepmodeling/deepmd-kit
　　参考链接：
　　https://mp.weixin.qq.com/s/cbTgntJmuntskQmTWjAINA
　　— 完 —
　　量子位 QbitAI · 头条号签约
　　关注我们，第一时间获知前沿科技动态