上交团队设计AI模型将分子动力学计算效率提升100倍，有望用于离子导体研究和药物研发等

文章预览

近期，上海交通大学人工智能与微结构实验室通过引入生成人工智能中的 Transformer 算法，提出了人工智能模型 T-AIMD，为分子动力学长期以来的计算耗时问题提供解决方案。 T-AIMD 模型结合了序列特征和物理描述符（如电荷、温度等），通过这种方式，模型不仅学习序列的动态特性，还融入了物质的静态属性，从而提高了模型的泛化能力和预测的准确性。 此外，该模型利用高性能计算资源支持深度学习模型的训练和运算，通过智能算法优化计算过程，实现快速准确的物质特性预测。 以一个包含 100 个原子的材料系统为例，如果需要进行 30 皮秒的从头算分子动力学（AIMD，ab initio Molecular Dynamics，也称第一性原理分子动力学）模拟，需要在高性能中央处理器（CPU，Central Processing Unit）计算机上运行两到三个月。 而 T-AIMD 方法通过学习原子长距离扩散行为 ………………………………