8月21日消息，北京应用物理与计算数学研究所（IAPCM）与高校合作团队在arXiv发布新一代通用机器学习势DPA4C（编号2608.19041，8月19日提交），瞄准分子动力学的“不可能三角”——跨化学体系通用性、近第一性原理精度、经验势级速度——首次实现三者兼得。

据介绍，DPA4C采用等变神经网络架构，并与压缩CUDA算子协同设计，在部署约束下同时优化精度与效率。研究团队发布了参数量跨度49倍的五个模型变体，覆盖从轻量推理到高精度生产场景，可在主流GPU上以接近经验力场（如LJ、EAM）的速度运行，而精度保持DFT水准。

通用机器学习势是计算化学的下一代基础设施：若单一模型可覆盖元素周期表大部分体系的构型空间，新材料筛选与化工过程模拟将不再需要逐体系训练。DPA系列此前已被多个国内外团队用于电池电解液、合金与含能材料研究，DPA4C的工程化优化（CUDA压缩算子）明显瞄准产业级部署。 （来源：arXiv）