414.7亿原子规模！依托中科曙光算力底座，我国刷新分子动力学模拟规模纪录

在AI大模型持续推动计算范式演进的背景下，算力正在从“训练工具”走向更广泛的科学研究基础设施。
 
近日，龙讯旷腾MatPL软件依托超算互联网核心节点上的scaleX万卡超集群，成功使用NEP机器学习势函数完成414.7亿原子规模液态水分子动力学模拟，刷新了该领域的全球纪录。
 
这不仅是一个数字的突破，更是中国在材料研发“第四范式”竞争中，从算力底座到算法引擎的一次全栈式亮剑。


 
算力界的“淘宝”：国家超算互联网实现算力普惠
 
2023年4月，科技部高新司启动“国家超算互联网”部署工作。这是在数字经济浪潮和“东数西算”工程的大背景下，为了应对日益增长的AI计算与大科学模拟需求而提出的超级工程。其核心目标是打破传统超算中心“各自为政”的孤岛状态，通过互联网模式连接全国的超算、智算资源。
 
更通俗易懂的来理解，超算互联网就类似于算力界的“淘宝”。据悉，目前国家超算互联网已经连接国内30多家超算中心与智算中心，上架近7300款优质应用商品，AI社区更是凭借适配1200+开源大模型，形成一个面向科研与产业的算力与应用供给网络。树立了“建用并重、以用促建”的算力服务平台范本。
 
自2023年试运行、2024年正式上线以来，超算互联网迅速完成了从“资源池化”到“服务化”的蜕变。截至今年3月，平台注册用户已突破120万，在短短时间内实现了大规模用户增长。
 
但相比用户规模，更值得关注的是其背后的系统能力跃迁：降低科研智能体的体验门槛，超算互联网推出“超级计算科学智能体”计划，并发布国内首个科研专属龙虾「SClaw」。「SClaw」通过集成“科研Skill、大模型路由引擎、科学数据库和知识库”，可为材料科学、生物信息、工业仿真等多领域科研人员带来高效智能化体验。而为满足用户在使用「SClaw」过程中的海量普惠词元（Tokens）需求，超算互联网推出了词元普惠福利，用户累计最高可领取3000万免费词元，并可享0.1元/百万词元的特惠续用价至4月6日。

材料研发的范式重构，MatPL实现414亿原子规模跨越
 
“我们正处于新材料与人工智能深度融合的革命性变革中。传统的材料研发正经历从经验科学（第一范式）、模型理论（第二范式）向计算科学（第三范式）及大数据科学（第四范式）的演进。然而，材料领域面临着空间广阔但大数据匮乏的困境。”龙讯旷腾高级研究员、机器学习研发总监索鹏飞博士在演讲中指出。
 
索鹏飞博士指出，材料科学正处在第三范式（基于物理定律的计算科学）与第四范式（基于大数据驱动的科学）的融合过程中。
 
不同于生成式大语言模型（LLM）几百步的推理周期，分子动力学任务往往需要数百万步的迭代，这对算法的绝对效率和并行扩展能力提出了近乎苛刻的要求。在微观模拟领域，第一性原理（Ab initio）虽精度极高，但受限于计算量，仅能模拟数百到数千个原子的运动；而传统的分子动力学（MD）虽速度快，却因经验势函数的局限性而损失了精度。
 
在这一背景下，龙讯旷腾推出的MatPL软件，本质上是一个典型的AI for Science工具链。“MatPL的使命，就是通过机器学习势场（MLP），打通第一性原理的‘精度’与分子动力学的‘速度’。” 索博士解释道。MatPL通过学习第一性原理产生的高质量数据，训练出具备量子力学精度的势场模型，从而支持微米级尺度、百万步量级的长时间跨度模拟。这对于解决半导体先进制程（7nm/5nm及以下）中的多晶模型、界面效应及器件可靠性问题至关重要。
 
龙讯旷腾于近期发布的 MatPL-2026.3 版本，针对行业痛点实现了五大核心技术创新：
 
l 优化器重构：采用新型梯度优化器训练NEP势函数，支持跨节点多卡并行。
 
l 效率飞跃：单卡NEP势函数MD效率较上一版本提升十倍，媲美GPUMD。
 
l 内存极简：通过内存占用深度优化，单卡模拟规模提升20%以上。
 
l 大规模并行：原生支持超大规模并行模拟，打破同领域扩展性瓶颈。
 
l 主动学习架构：构建全自动化的数据处理流程，实现训练集的自动筛选与优化。
 
更多的MatPL测试结果发表于学术期刊ChemRxiv，DOI：10.26434/chemrxiv.15001665
 
北京龙讯旷腾总经理田洪镇强调，这种“计算驱动研发”的模式正成为半导体、新能源、新材料企业的核心竞争力。通过数字化的“模拟实验室”，企业可以大幅缩减实验流片次数，降低研发成本。
 
在算力平台与软件系统完成协同之后，最终形成了此次414.7亿原子的模拟结果，其对应空间尺度约为700纳米。“以前没有任何方案能够在第一性原理精度下全原子模拟真实场景，现在我们提供了这个可能性。”索鹏飞这样总结。
 
曙光的“底座作用”
 
在这一过程中，中科曙光所提供的算力基础设施，成为整个体系得以运行的关键支撑。
 
通过曙光scaleX万卡超集群，MatPL得以在超大规模异构算力环境下进行深度适配。超算互联网平台项目负责人透露：“过去打破类似纪录通常需要动用超算中心80%以上的全量资源，而MatPL仅用了4096张卡，且扩展效率保持在88%以上。这意味着我们的算法效率拥有极高的容积率。”
 
中科曙光解决方案与创新业务总经理张磊表示，此次突破的关键，在于三个层面的协同优化：第一在硬件层面，通过GPU异构架构与多精度计算能力（FP64、FP32、BF16、TF32等）实现不同计算阶段的性能匹配；第二，在网络层面，通过400G RDMA与高速互联，实现大规模节点间低延迟通信；第三，在系统层面，通过“存-算-网-管”全栈协同，优化数据流与计算流的匹配效率。与此同时，通过编译器与开发框架的优化，使得开发者无需深入底层硬件即可调用其能力，从而实现“对开发者无感”的算力释放。
 
这一点也被龙讯旷腾方面评价为：“最大的优势就是两个字——无感。”从更宏观的角度来看，这一体系的形成，意味着国产算力正在从“能用”走向“好用”，甚至在特定场景下具备对国际方案的替代能力乃至领先能力。
 
“到今年年中，随着10万卡规模的上线，我们将会在微观模拟领域刷出一个全球领先、且在未来数年内难以被超越的新纪录。”超算互联网平台负责人信心十足地表示。
 
结语
 
如果将上述各个环节串联起来，可以看到一条逐渐清晰的路径：算力基础设施 → 软件平台 → AI模型 → 科学计算 → 工业应用。在这一链条中，中科曙光所构建的超算互联网与ScaleX万卡超集群，承担的是整个体系的“底座角色”，超算互联网提供算力调度与资源整合，MatPL等软件提供应用，而AI模型则作为桥梁，将物理建模与数据驱动方法连接起来，最终在材料、半导体、电池等领域形成实际价值。
 
而随着算力规模的持续扩展与软件体系的进一步完善，这条从算力到底层应用的链路，也在不断向更高精度与更大规模延伸。