新闻动态

首页 > 新闻动态 > 论文解读Vol.8 | Meta开源原子通用模型UMA，材料、分子、催化等基准中登顶SOTA

2025-07-18

论文解读Vol.8 | Meta开源原子通用模型UMA，材料、分子、催化等基准中登顶SOTA

近日，Meta 联合卡内基梅隆大学提出了原子通用模型 UMA。UMA 基于 5 亿个独特的 3D 原子结构进行训练，涵盖分子、材料和催化剂领域超 300 亿个原子样本。

研究开发的经验缩放定律，旨在助力研究人员理解在扩大数据集规模的过程中，如何同步提升模型容量，进而实现最佳的准确性。

在架构设计上，UMA 中小型模型采用创新的 “线性专家混合” （Mixture of Linear Experts，MoLE）结构，可以在不牺牲速度的情况下增加模型容量。以 UMA-中型模型为例，尽管其参数总量达 14 亿，但每个原子结构只有约 5000 万激活参数。

研究人员在多个领域、不同任务集上对 UMA 模型展开评估，研究表明，未经特定任务微调的 UMA 模型，在材料、分子和催化基准测试中，无论是准确性，还是推理速度和内存效率，均可媲美甚至超越专业模型。

在备受关注的 Matbench Discovery 排行榜上取得领先成绩；在催化领域的吸附能计算成功率提升了 25%；在基于结构的药物设计中，其准确性足以满足实际应用需求（如配体应变能计算）。

论文8-1.png

论文原文及解读稿全文已上线超算互联网「论文研读」店铺，可点击文末“阅读原文”获取。

论文8-2.jpg

【投稿征集】

自 2025 年 3 月起，超算互联网上线「AI4S 论文解读系列专题」，截至今日，已向超算用户和科研人员分享七期 AI for materials、protein、biology 方向的论文解读。

超算互联网重点关注 AI 大模型、HPC、工业仿真、AI4S（物理、化学材料、气象环境、生物信息等）等前沿领域的最新研究进展。

超算互联网日访问量已突破 300 万，为全面、高效地传播前沿科研成果，我们诚邀您分享创新研究成果和高效计算方法等。现面向广大科研人员开放免费投稿渠道。稿件内容来源为：个人学术研究成果、高水平期刊学术论文解读。

投稿方式：