一个做材料研发的科研人员面对复杂的材料体系时，往往需要耗费极高的时间与算力成本反复进行量子力学计算。从提出一个材料构想到验证是否稳定，运气不好几个月的心血可能换来的只是一组此路不通的数据。但现在情况正在发生变化。北京科学智能研究院与深势科技、北京大学、北京应用物理与计算数学研究所组建的联合团队，迭代研发了新一代大原子模型DPA4。这个模型正在将高通量的原子模拟从昂贵的奢侈品转化为科研与产业的日用品。DPA4让科研人员能在电脑里做实验，模拟原子间的能量变化和力的相互作用。在材料发现领域的国际权威榜单Matbench Discovery上，DPA4的综合性能指标位列世界第一，成为当前最优模型。
DPA4最引人注目的突破在于用极低的算力成本达到了过去只有超级预算才能触及的精度。中国科学技术大学人工智能学院教授钟志诚是DPA模型的深度用户，他从DPA1一直用到DPA4。开始使用的时候总感觉模型能力极度受限，很多事情没法推进，但直到DPA4出来钟志诚立马意识到这可能是一个划时代的产品。他评价说DPA4参数只有别人的1%，效果反而更好，你可以叫它科学领域的DeepSeek moment。在具体的评测中，DPA4不仅算得快、算得准，算力消耗也很小。仅用一个显卡运算了一天就交卷了。在相同精度下，它的训练效率比上一代DPA3提升了约10倍。这意味着科研人员不再需要昂贵的超算资源就能进行高精度的材料模拟。从技术层面看，DPA4的核心创新在于其独特的模型架构和训练策略。团队在自监督预训练的基础上引入了物理约束机制，使模型在保持泛化能力的同时具备了更好的物理真实性。这种设计思路与通用大模型的预训练加微调范式有异曲同工之妙，但更加注重模型输出与物理定律的一致性，因此可以在极小的模型规模下取得优于大模型的预测精度。
DPA4目前已经覆盖了90余种化学元素，这意味着模型可以处理的材料体系涵盖了元素周期表中的绝大多数常见元素。这种广泛的元素覆盖使得DPA4在处理复杂合金、高熵材料、多组分化合物等具有复杂化学成分的材料体系时具有天然优势。传统的第一性原理计算方法在处理包含多种元素的材料时计算成本会呈指数级增长，而DPA4通过训练数据覆盖和模型泛化能力可以用近乎恒定的计算成本处理任意元素组合的材料。在固态电解液开发、催化剂设计及新靶点发现等高精尖产业场景中，DPA4已经实现了广泛的落地应用。多家新能源材料企业使用DPA4加速下一代固态电池电解液的筛选，将候选材料的筛选周期从原来的数月缩短到数周。在催化剂领域，DPA4被用于模拟不同金属表面的催化反应路径，帮助识别高效的催化活性位点。在药物递送材料方面，DPA4被用于计算高分子材料与小分子药物之间的相互作用力，为纳米药物载体设计提供计算支持。跨体系泛化能力的提升意味着DPA4不再是一个只能解决单一问题的专用模型，而是成为了一个可以在材料科学各个分支领域通用的基础工具。
DPA4不是孤立的存在，它生长在北京科学智能研究院搭建的四梁N柱科研基础设施之上。四梁即四个核心平台：玻尔科研空间站、深度势能分子动力学平台、多尺度模拟平台以及实验验证平台。N柱则指覆盖新能源、先进材料、生物医药等不同领域的垂直应用系统。玻尔科研空间站是全球首个覆盖读文献、做计算、做实验、多学科协同全流程的AI科研平台。该平台汇聚了超过2亿篇高质量文献知识，可调用1000余款实验仪器和超过5万个科学工具，已服务全球超过450万科研用户。在DPA4的实际使用过程中，科研人员可以通过玻尔空间站一站式完成从文献调研、模型选择、计算任务提交到结果分析的全部工作。深度势能分子动力学平台则是DPA4训练和推理的技术底座，该平台提供了一整套从训练数据生成、模型训练、精度验证到大规模并行计算的工具链，使得非AI专业的科研人员也可以相对便捷地使用DPA4进行材料模拟。
DPA4的发布代表着一个更大的趋势：AI驱动的分子模拟正在从需要超级预算和顶级计算资源的奢侈品，变成普通课题组也可以日常使用的科研工具。过去一个课题组想做高通量的材料筛选，要么花大量时间学习第一性原理计算方法，要么花钱购买昂贵的大型机计算时间。现在一个普通配置的工作站加上DPA4就能完成相当大规模的模拟任务。这种算力门槛的下降正在改变材料科学的科研范式。研究人员可以更快地验证更多候选材料，发现更多潜在的新型功能材料。在产学研协同层面，北京科学智能研究院正在将DPA4的API开放给企业用户，并通过玻尔科研空间站提供在线服务。这意味着即使是缺乏AI和计算资源的传统材料企业，也可以通过云平台使用DPA4进行材料筛选和性能预测。这种模式正在加速科研成果从实验室到生产线的转化，推动中国在AI驱动材料研发领域持续保持全球领先地位。