IT168媒体专访：第一次，介观尺度下实现第一性原理精度模拟
媒体：IT168
记者：陶然
“四百亿”：一场没有硝烟的竞速
“414.7亿原子”，这个数字意味着什么？
如果我们做一个直观的对比：此前公开报道中，机器学习力场分子动力学模拟的世界纪录是290亿原子。此次成果将其提升了1.43倍。更重要的是，模拟的体系边长达到了700多纳米。这在微观世界已是接近微米级的“庞然大物”，第一次将第一性原理精度的原子尺度模拟，推向了介观尺度。
以前从来没有这样的模拟解决方案，能够以第一性原理精度真实复现这种场景
软硬协同：一场“双向奔赴”的技术攻坚
如果说算力是舞台，那么软件就是那位真正的舞者。
本次模拟所使用的核心软件，是龙讯旷腾发布的MatPL-2026.3版本。与传统的机器学习力场软件相比，MatPL实现了五大技术创新：从跨节点多卡并行训练，到单卡性能比肩国际主流软件，再到内存占用优化20%，以及最重要的是支持大规模并行，打破了以往力场软件无法跨节点模拟的限制。
机器学习力场的模型不同于大语言模型。大模型一次问答可能只需要几十到几百步计算，但我们的应用场景，大部分任务需要百万步，效率是决定性的。
正是基于对效率的极致追求，龙讯旷腾团队与中科曙光团队走到了一起。双方的技术人员在底层展开了深度协同：从针对核心矩阵运算创新应用TensorFloat-32算力，到将AI的Tensor核心能力赋能科学计算，再到利用GPU架构对传统数据计算单元的完整保留——每一个优化点，都是软硬件工程师反复碰撞的结果。
这种协同机制，或许比破纪录本身更具示范意义。
科研普惠：让“大能力”走进“小课题组”
如果说破纪录代表着技术的高度，那么如何让这种能力惠及更广泛的科研群体，则决定着技术的广度。
本次模拟的另一个重要信号是：在4096卡上实现414.7亿原子模拟的同时，单卡性能同样惊人。据透露，单张加速卡即可模拟千万级原子体系，一台8卡服务器则可达到上亿原子规模。
这意味着，一个更小的科研课题组，就可以用少量的资源，模拟世界级的超大规模体系，我们把更大、更宏观的东西，带到了小课题组面前。
“将来随着大语言模型的发展，我们还在跟曙光探讨打造材料模拟的智能体。龙讯旷腾相关负责人透露，“让材料计算软件变成可以用自然语言驱动调用。用户不关心软件怎么起作用，只关心我要设计一个新的电池，底层自动调软件、自动算、自动出结果。”
这或许才是“AI for Science”的终极愿景：让科学家回归科学本身，而非被工具所困
笔者观察：一次破界，三重启示
第一，软硬协同是国产科研生态的必由之路。长期以来，国内科研软件与硬件的发展相对割裂，导致“有算力无软件、有软件无优化”的尴尬。曙光与龙讯旷腾的深度绑定，证明了当两个懂行的团队真正坐在一起，能够产生的化学反应远超预期。
第二，国产替代不应止步于“能用”，更要追求“好用”与“领先”。本次模拟不仅在规模上刷新纪录，更在扩展效率、通信优化等关键指标上展现出世界级水平。这证明，国产算力与国产软件的融合，完全有能力与国际巨头同台竞技。
第三，算力的终极价值在于普惠。破纪录固然振奋人心，但如何让顶尖算力走出“象牙塔”，服务于更广泛的科研与工业场景，才是决定国家整体创新能级的关键。
414.7亿原子，是一个数字，更是一个起点。当微观世界的边界被不断推远，中国科研的想象力，也将随之抵达更遥远的星辰大海。
/ END /
