集成电路、工业软件、工业母机、新材料等制造业“卡脖子”难题，是国家科技自立自强战略中的关键核心，也是当前科学研究尤其是工业界科学研究的焦点。“人工智能+科学研究”（AIforScience，简称AI4S）的推进，有望加速关键核心技术的突破进程。

近日，北京龙讯旷腾科技有限公司（以下简称“龙讯旷腾”）自主研发的机器学习力场软件MatPL，在超算互联网核心节点部署的中科曙光scaleX万卡超集群上，成功完成了高达414.7亿原子的液态水分子动力学模拟。所有原子间的相互作用由NEP力场描述，均达到第一性原理级精度，标志着机器学习力场（MLFF）模拟的规模边界大幅刷新，更标志着我国在探索千亿级原子尺度模拟的道路上迈出了坚实一步。

原子‌是化学变化中的最小微粒，而量子则是描述微观最小不可分割的粒子行为的物理概念。量子力学作为微观物理世界的基石理论，与面向宏观世界的经典物理学共同构成现代物理学的两大支柱。第一性原理分子动力学模拟正是基于此，在不引入实验或经验拟合参数的前提下，仅使用原子质量、坐标等基本物理参数，即可精准复现分子微观行为。MLFF学习大量第一性原理计算数据，在保持第一性原理精度的基础上，进一步扩展了分子动力学模拟的时间与空间尺度，在材料研发中发挥着越来越重要的作用。

材料创新是驱动制造业转型升级与高质量发展的核心引擎。当前，该领域的前沿探索已正式突破百亿原子模拟的大尺度界限，标志着材料科学迈入“大尺度原子级精准调控”的新纪元。大尺度模拟对于揭示复杂物性、创造自然界中不存在的新型功能材料具有不可替代的深远意义。从国产折叠屏手机中的“手撕钢”、动力电池关键材料，到支撑C919大飞机的碳纤维复合材料，无不是基础研究向工程应用全链条创新突破的生动写照。

从先进新材料到创新药物研发，机器学习力场MLFF正渗透至科学与工程的不同角落，是第四次工业革命中计算科学与数据科学深度融合的标志性工具。龙讯旷腾MatPL依托中科曙光scaleX万卡超集群成功完成高达414.7亿原子的液态水分子动力学模拟，一方面意味着科学家可以首次在介观尺度的体系上，以量子力学精度研究复杂材料、电池界面、生物大分子等前沿问题；另一方面，它是国产工业软件+国产算力软硬件协同创新的标志性成果，重新定义计算极限，为AI4S在工业领域的落地打开了全新的想象空间。

MatPL是龙讯旷腾自主研发的MLFF开源软件包，是AI与材料科学深度融合的核心计算工具，可应用于多晶材料演化、先进半导体制程仿真、固态电池界面优化、高性能合金设计、生物大分子机制解析等前沿科研与产业场景。MatPL通过学习第一性原理高精度数据构建势函数模型，成功兼顾了第一性原理计算精度与分子动力学的高效率，有效破解了材料计算领域“精度与规模不可兼得”的行业痛点。

据悉，本次合作源于国家超算互联网核心节点在郑州上线并投入试运行后推出的“核心节点邀测计划”，其目的是通过真实场景验证新一代算力基础设施的服务能力，发掘大规模应用标杆案例，加速“超智融合”算力转化为现实生产力。

在本次测试运行过程中，MatPL在超算互联网核心节点适配后，进行了严格的弱扩展测试（每卡负载固定为1012.5万原子），得到近乎完美的弱扩展曲线。4096张异构加速卡并行，通信开销仅4.9%，弱扩展效率（并行效率）高达88%（越高越好）。

“MatPL的核心优势就是极致的运行与训练效率，相较于行业主流方案，MatPL在训练效率上实现了数倍至数十倍的提升，并构建了跨节点并行模拟能力，最终依托中科曙光的算力底座实现了此次模拟规模的突破。”北京龙讯旷腾科技有限公司高级研究员、机器学习研发总监索鹏飞说。而由于本次测试只用了4096张卡，因此未来的模拟规模有充分的想象空间。

此外，在本次测试中，scaleX万卡集群在底层算力资源提供了充足的溢价和分布式计算能力，保证了比较高的运行效率和低的通讯延迟，这是本次分子动力学模拟获得突破的关键。软件与硬件的完美适配，帮助实现了软件性能瓶颈的突破，对于新的工程应用如合金材料、半导体材料器件、新能源电池材料的研发和优化具有重要价值，

中科曙光解决方案与创新业务总经理张磊认为，本次双方成功合作有三大意义：一是意味着更多的科研课题组基于少量的资源就可以模拟世界级的原子规模，体现了算力普惠；二是软硬件协同体现了国产软件的生态闭环；三是验证了自主可信算力基石的成功构建。

“十五五”规划纲要提出，抢占人工智能产业应用制高点，全方位赋能千行百业。加快探索人工智能驱动的新型科研范式和技术研发模式，推进科学大模型研发应用，建设科研智能平台和高质量科学数据集，加强人工智能与量子科技、生命科学、新材料、新能源、6G等领域技术协同创新。

实际上，AI近年来已经逐渐进入科研领域，例如大模型可以把工业软件包括知识库进行整合，应用到材料研发领域，从而加速工程研发。未来，通过与算力硬件的深度协同，工业软件有望通过不断迭代，逐步解决模拟规模扩展、算法创新等问题，不断打破科学研究天花板，推动关键核心技术突破进程。