Meta与劳伦斯伯克利实验室联合发布全球最大分子模拟数据集OMol25
时间：2025-07-18 04:35
小编：小世评选
5月16日消息，Meta AI公司在官方博客上宣布与美国能源部劳伦斯伯克利国家实验室（Berkeley Lab）合作推出了全球规模最大的分子模拟数据集——OMol25。该数据集不仅包含超过1亿个3D分子快照，还运用了密度泛函理论（DFT），将分子建模的精度推向全新高度，标志着化学与材料科学领域的一次重大突破。
分子模拟的挑战
分子模拟在科学研究中扮演着至关重要的角色，尤其是在化学和材料科学领域。科学家们常常依靠DFT等高端计算技术，来研究分子间的相互作用和化学反应。传统的DFT计算对计算资源的需求极其庞大，随着所研究分子规模的增大，计算所需时间和资源的需求也呈现指数增长。即使是使用最先进的超级计算机，也难以高效模拟复杂的分子系统。
OMol25的革新
OMol25数据集的推出，正是为了解决这一问题。该数据集不仅量大，而且具有极高的多样性，为分子建模的机器学习原子间势（MLIPs）训练提供了丰富的数据支持。通过这种方式，机器学习模型能够以近乎1万倍的速度完成与DFT同等精度的预测，从而使科学家们在可用的普通计算系统上模拟大规模的原子系统。
OMol25数据集的丰富性使得它在深度学习和人工智能的相关研究中具有重要的价值，能为科学家提供操作来捕捉原子行为和分子运动的多样化视角。这为研究者在新材料发现、化学催化反应、药物设计等领域提供了重要的基础。
UMA模型的推出
除了OMol25，Meta还推出了通用原子间势能模型群（UMA），该模型基于过去五年Meta FAIR公开数据集构建，涵盖分子、材料和催化等多个领域。UMA模型借助超过50亿个原子构成的3D数据结构进行训练，天然适用于多种化学任务。
UMA模型分为UMA-small和UMA-medium两种规格，其中UMA-medium模型配备了14亿个参数。在单个结构计算时，仅需约5000万个参数，这一创新架构显著提高了计算推理速度。更令人称道的是，UMA不需要进行微调，通过预训练即可适应多种应用场景，其性能甚至可以与现有的专用模型相媲美。
技术革新与实际应用
通过高精度和快速计算能力，OMol25和UMA的组合为科学研究和工业应用打开了新大门。研究表明，UMA在分子特性预测、材料设计、催化剂开发、能量存储及半导体制造等诸多领域展现出了卓越的表现。这使得科学家不仅能够加速新材料的发现，也能在更广泛的范围内推动跨领域的技术革新。
值得注意的是，OMol25与UMA的推出不仅有助于基础研究，也为相关技术的商业化提供了可能。尤其在药物开发、材料创新等方面，能够显著缩短研发周期，降低成本，为企业带来更大的竞争优势。
Meta与劳伦斯伯克利实验室的合作创造了一个里程碑式的数据集OMol25，凭借其巨大的规模和化学多样性，必将为分子模拟、机器学习和人工智能的紧密结合奠定坚实基础。随着这一数据集的应用推广，化学、材料科学等学科的研究将迎来新的春天，为实现更复杂的化学反应和材料开发提供强力的工具和资源。这一跨界合作标志着科学研究在现代技术影响下的无限潜力和创新方向，未来的研究者将在这些创新工具的帮助下，谱写科学探索的新篇章。
