meta AI公司近期在化學研究領域邁出了重要一步，攜手美國能源部勞倫斯伯克利國家實驗室，共同推出了一個前所未有的化學數據集——Open Molecules 2025（簡稱OMol25），以及一款通用原子模型Universal Models for Atoms（簡稱UMA）。
OMol25數據集堪稱化學研究的新里程碑，其規(guī)模之龐大，前所未見。該數據集包含了超過1億個基于密度泛函理論（DFT）計算得出的3D分子快照，為科學家提供了豐富的分子模擬資源。DFT作為一種強大的模擬工具，能夠精確捕捉原子間的相互作用，預測原子受力及系統(tǒng)能量，進而揭示分子運動和化學反應的深層規(guī)律。
然而，傳統(tǒng)的DFT計算對計算資源的需求極為龐大，隨著分子復雜度的提升，計算需求呈指數級增長，即便是最先進的計算設備也難以應對。為了克服這一難題，meta AI利用OMol25數據集訓練了機器學習原子間勢（MLIPs），這種模型能夠以快至萬倍的速度提供與DFT同等精度的預測結果，使得科學家能夠在普通計算系統(tǒng)上模擬大型原子系統(tǒng)。
除了OMol25數據集外，meta AI還推出了UMA模型，這是一款基于過去五年meta FAIR公開數據集構建的通用原子間勢能模型群。UMA覆蓋了分子、材料、觸媒等多個化學領域，利用超過50億個原子組成的3D結構作為訓練數據，具有極高的通用性和預測精度。
UMA模型分為UMA-small和UMA-medium兩種規(guī)模，其中UMA-medium模型擁有14億參數，但單結構計算僅用約5000萬參數，大大提高了推理速度。UMA模型無需微調，僅通過預訓練即可應對多種化學任務，其性能甚至超越了現(xiàn)有的專用模型。
研究表明，UMA在分子特性預測、材料設計、觸媒開發(fā)、能量存儲及半導體制造等領域均表現(xiàn)出色。其高精度與快速計算能力為科學研究和工業(yè)應用開辟了新的路徑，推動了跨領域的技術革新。這一成果的發(fā)布，無疑將為化學研究注入新的活力，促進化學領域的快速發(fā)展。
