2月27日，沐曦股份联合清华大学等多家研究机构联合发布了磁性材料AI原子基座模型。该模型是首个覆盖宽温压域的磁性材料AI原子模型，经权威专家鉴定，整体技术水平达到国际领先。
图1 清华大学与沐曦股份等多家研究机构联合发布磁性材料AI原子基座模型
该模型是“产-学-研-用”深度融合的重要创新成果，在AI4S模型的数据生成、模型构建与演化推理三大核心环节，均进行了全新的探索，并取得了创新性突破，构建了具备完全自主知识产权的技术体系。
国产创新解决磁性材料行业痛点
目前，磁性材料在国际上一直有这三方面的挑战：（1）磁性数据算不准，（2）原子-磁矩耦合导致纯原子模型算不了，（3）推理算的慢并有可能导致能量发散。
此次最新发布的“磁性材料AI原子基座模型”，利用深度学习和主动学习解释不同原子和磁矩构型的演化机制的方法，构建了首个宽温压域磁性材料数据库，包含47种合金元素、6000余种磁性合金体系、70余万组非平衡态、非共线磁性材料数据，此次发布的磁性材料原子大模型可在微纳米尺度同时预测原子怎么排，磁矩怎么转，同时可稳定覆盖0-1000K 温度、10GPa 压强的宽域温压工况，真正实现了宽域、高精度、高可靠性的磁性材料原子级模拟。
此外，研发团队自主开发的DeltaSPIN、DeepSPIN和TSPIN计算框架，融合国产软件DeepMD‑kit和ABACUS实现了多种关键性突破：同时覆盖原子+磁矩+极化的模拟计算，首次在磁性材料中实现缺陷工程的计算模拟，速度提升两个数量级，精度提升4个数量级。该磁性AI大模型为磁性领域材料的预测和设计提供高精度、可迁移的磁性基座模型，为下一代高性能磁性功能材料研发提供底层支撑。
沐曦为AI4S国产生态打造“算力底座”
沐曦GPU支持完整的材料科学模拟计算生态，包括：第一性原理材料计算、分子动力学模拟、通用势函数、高通量材料筛选、逆向材料生成模型等关键技术。
- 支持第一性原理计算软件ABACUS，CP2K，PWDFT，GPU4PySCF等；
- 支持分子动力学模拟应用，Lammps，Gromacs，OpenMM等；
- 支持机器学习势模型DeepMD-kit，GPUMD等，实现计算精度与计算效率的平衡。
这次的磁性材料AI模型深度扎根于沐曦股份的国产算力生态。
在构建70万组宽温压域原子-磁矩双耦合结构数据集和模型训练过程中，主要由沐曦GPU完成算力供给，其高带宽、高稳定性的核心优势，大幅提升了算力交付效率，原本需要一个月才能完成的计算量，如今仅需一天即可高效达成，助力高精度数据快速生成以及AI模型快速完成训练与优化，彰显了国产GPU在以人工智能驱动科技创新中的核心支撑价值。
依托沐曦千卡GPU集群，研发团队实现了基于DP-Gen2的智能主动学习全流程部署，形成“计算—训练—模拟—再采样”的闭环体系：
1、采用ABACUS + DeltaSPIN进行第一性原理磁性计算，生成包含磁矩信息的标注数据；
2、基于DeepMD-kit（DPA3）与DeepSPIN训练磁性材料AI模型，实现对势能、原子受力及磁矩等关键物理量的统一预测；
3、将训练后的AI原子基座模型嵌入LAMMPS，替代传统经验势函数，开展高精度磁性分子动力学模拟；
4、对新构型进行再采样与标注，迭代更新模型，直至满足收敛条件。
图2 在沐曦千卡集群上实现的基于DP-Gen2的智能主动学习全流程部署，形成“计算—训练—模拟—再采样”的闭环体系
这一主动学习机制显著提升了数据利用效率与模型收敛速度，使科学计算与大规模AI训练深度融合，在千卡GPU集群上实现万级并行任务调度与高吞吐计算保障。
在算力集群运行保障方面，沐曦股份构建了“生态+研发+FAE”协同支持体系，部署Slurm调度系统与集群管理平台，适配MXMACA软件栈，实现科学计算与AI训练任务的混合调度，并提供实时性能监测与稳定性管理工具，确保分布式千卡环境下的可靠运行。
本次模型的突破，无疑是AI4S 领域国产化协同创新的一次典型实践。更为重要的是，它开启了“国产硬件+国产软件+国产模型”的全栈协同探索，为行业自主发展开辟了全新路径。
