由中国科学院院士和中国工程院院士评选的2020年中国十大科技进展新闻1月20日在京揭晓。北京大学应用物理与技术研究中心陈默涵研究员及其学生路登辉（北京大学工学院2019级工程力学硕士）与合作团队共同完成的研究成果“机器学习模拟上亿原子：中美团队获2020高性能计算应用领域最高奖项戈登贝尔奖”入选。

在美国当地时间2020年11月19日举行的全球高性能计算、网络、存储和分析大会（SC20）中，团队凭借工作“Pushing the limit of molecular dynamics with ab initio accuracy to 100 million atoms with machine learning”，在6支决赛队伍中脱颖而出，获得2020年国际高性能计算领域最高奖“戈登贝尔奖” （ACM Gordon Bell Prize）。

机器学习+物理模拟+高性能计算=新的科学范式（贾伟乐供图）

该项工作在国际上首次采用智能超算与物理模型的结合，引领了科学计算从传统的计算模式朝着智能超算的方向前进。长期以来，基于第一性原理的原子尺度模拟方法虽然精度高，但算法复杂，其所能计算的空间尺度和时间尺度受算法和算力限制，即便利用世界上最快的超级计算机，也只能计算数千原子体系规模。该成果通过高性能计算和机器学习将分子动力学极限提升了数个量级，达到了上亿原子的体系规模，同时仍保证了“从头算（ab initio）”的高精度，且模拟时间尺度较传统方法至少提高1000倍。基于机器学习的分子动力学模拟通过高性能计算和机器学习的结合，将精确的物理建模带入了更大尺度的材料模拟中，有望在将来为力学、化学、材料、生物乃至工程领域解决实际问题发挥更大作用。

研究团队成员还包括中国科学院计算技术研究所贾伟乐副研究员，北京应用物理与计算数学研究所的王涵副研究员，中国科学院院士鄂维南，北京大数据研究院张林峰研究员，加州大学伯克利分校的Lin Lin（林霖）教授和普林斯顿大学的Roberto Car教授。

两院院士评选年度中国、世界十大科技进展新闻的活动至今已举办了27次，具有极高权威性和影响力。该活动由中国科学院、中国工程院主办，中国科学院学部工作局、中国工程院办公厅、中国科学报社承办。（相关新闻链接：http://news.sciencenet.cn/htmlnews/2021/1/451919.shtm）

延伸阅读：

分子动力学方法在物理、化学、生物及材料等科学领域有着广泛的应用。在高性能计算的快速发展下，分子动力学方法已成为阐释复杂物理化学现象的重要工具。然而，计算效率和精度不可兼得是分子动力学方法长期面临的困扰。基于经验力场的分子动力学方法效率高，但精度欠缺，而基于量子力学第一性原理（例如密度泛函理论）的分子动力学方法精度较高，但其计算量大效率低。近两年来，基于深度学习的分子动力学方法较好的结合了第一性原理方法的精度和经验力场的效率，显示出了其优势并已被快速推广使用。

在这项工作里，研究团队在物理建模、机器学习与高性能计算的交叉学科领域取得突破，实现了深度学习分子模拟方法软件DeepMD-kit在CPU-GPU硬件架构上的编程与超大规模并行，在美国Summit超级计算机上测试了超过一亿个原子的分子动力学模拟计算，达到了双精度91 PFLOPS，混合单精度162 PFLOPS，混合半精度275 PFLOPS的峰值浮点运算能力。研究团队还采用该方法模拟了铜纳米晶粒拉伸后产生位错的过程（如图所示），这是传统第一性原理方法无法模拟的大尺度计算。

图：铜纳米晶粒(包含一千万个原子以上)的拉伸模拟。（a）具有面心立方晶体结构的铜原子（紫色），晶界原子（黄色）。（b）沿z轴拉伸10%后的铜纳米晶粒产生位错结构（青色）。

值得一提的是，团队中来自北京大学的路登辉和陈默涵研究员，和来自北京应用物理与计算数学研究所的王涵副研究员还将DeePMD-kit软件移植到新一代国产超算异构平台进行重新优化和测试，并在2020年8月26日举办的首届中科院“先导杯”并行计算应用大奖赛决赛取得了开放应用赛道的特等奖。

相关文章链接：https://arxiv.org/abs/2005.00223