Meta推出FAIRChem v2 UMA 跨域原子模拟能力实现重大跃升

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

1409

Meta旗下人工智能研究院（FAIR）近期发布新一代通用多域原子模拟模型FAIRChem v2 UMA，可覆盖小分子、催化剂、固态材料等多类研究场景，支持振动分析、长周期分子动力学全流程模拟，GPU加速下同等任务效率较传统量子化学方案提升最高达80倍，精度可达到传统方法的96%，将为制药、新能源、新材料等领域的研发降本提效提供新的技术支撑。

此次发布的FAIRChem v2 UMA是FAIR团队在计算化学AI领域打磨3年的迭代成果，此前初代FAIRChem模型仅能针对单一类别的材料开展模拟，且无法支持长周期分子动力学运算，适用场景局限于基础科研领域的小分子研究。

计算化学模拟是当前新药研发、新材料开发、化工工艺优化的核心底层技术，传统基于密度泛函理论的量子力学模拟方案，算力消耗极高，一个包含上百个原子的催化剂反应模拟往往需要数天甚至数周的运算时间，且不同场景需要搭配不同的模拟参数，专业门槛极高，中小研发团队很难承担对应的算力和人力成本。

过去十年全球新药、新材料研发的平均投入持续上涨，但成功率却没有明显提升，核心瓶颈之一就是原子级模拟的效率跟不上研发需求，大量方案需要通过线下实验反复试错，拉高了整体研发成本。

FAIRChem v2 UMA的核心优势在于打破了不同原子模拟场景的技术壁垒，通过在超过1000万组涵盖分子、催化剂、固态材料的量子力学数据集上完成预训练，模型可以直接适配不同领域的模拟需求，无需额外做场景化微调。

官方测试数据显示，FAIRChem v2 UMA的模拟精度可达传统量子力学方法的96%，在GPU加速环境下，同等任务的运算耗时仅为传统方案的1/80，原本需要3天才能完成的小分子振动光谱模拟，现在仅需1小时即可输出结果，同时支持最长10纳秒的长周期分子动力学模拟，可覆盖绝大多数化学反应、材料形变的观测时间尺度。

目前FAIRChem v2 UMA已经向全球科研用户、商业团队开放开源权重及配套开发教程，支持用户快速集成到自身的计算化学工作流中。

已经有多家跨国药企、新能源材料企业开启了相关测试，某头部新能源企业的研发负责人透露，借助FAIRChem v2 UMA的模拟能力，其固态电解质材料的配方筛选周期已经从原来的18个月压缩到了3个月，研发成本降低超过60%。

行业分析人士指出，随着通用原子模拟AI的成熟，未来整个材料、制药领域的研发逻辑将发生改变，从“实验试错”转向“模拟先导”，有望带动全球相关领域的研发效率提升3-5倍。

人工智能新材料研发 FAIRChem 计算化学分子模拟

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。