10月22日,芯培森·SwiftMater首期机器学习分子动力学(MLMD)实战训练营在广州完成全部日程。两天、十一个教学模块跑下来,学员带走的是十一个跑通的算例——留下的不是一份结果清单,而是一套可以复现的方法。复盘这场训练营,能看清MLMD这门技术正在如何从论文走进研发日常。
两天走过的路:MLMD培训的完整方法链
材料计算从原理到实操的整套流程,被拆成两天来讲,第一天的重心是打地基。开营致辞由两位创始人分头讲:芯培森联合创始人、总经理樊正伟从经营者视角谈AI for Materials(AI4M)的商业前景,首席品牌官、SwiftMater CEO肖志强讲战略定位与科学路径,两段致辞先把“为什么办这场训练营”讲清楚了。正课从分子动力学(MD)理论、LAMMPS实操,到密度泛函理论(DFT)、势函数训练,课程环节照着真实交付的工序展开,原理讲解与动手操作交替进行。原子环境怎么描述、训练集怎么准备、势函数怎么训练与验证,每一环都由学员亲手过一遍。
第二天回答的是更贴近实战的问题:面对真实研究体系,怎么把势函数训练、模拟、数据分析完整走一遍。先从模拟这一环讲起。模拟用的APUMD,就是在芯培森APU(Atomistic Processing Unit,原子级物质计算专用算力单元)上跑分子动力学;模拟一旦大规模、长时间尺度地做下去,参数设置就有自己的一套逻辑。讲师先把这套逻辑讲透,学员再上手实操:用第一天自己训练出来的势函数,完整跑完一整套模拟。
全天分量最重的是基于AI Agent的自动化势函数训练:以固态电解质体系为练习对象,学员先建训练集、再做调优,亲手训练出一套可用的势函数。随后的两节,一节数据分析,一节问题分析拆解:前一节练怎么读模拟结果,后一节由讲师拿真实科研问题当例子,演示如何把实际需求拆成可计算的方案。课程收尾落在锂离子输运性质的计算上,学员借此走完从“训练”到“应用”的完整链路。把重复劳动交给自动化、把判断留给自己,是贯穿两天的工作方式;课程节奏也照着交付现场的密度来,讲一节、练一节、核一节。流程看清了,接下来要问的是:这套流程跑在什么算例上。
MLMD培训的算例来自真实交付
算例全部取自真实交付,没有一道是练习题。主线是固态电池电解质:主案例落在银锗矿结构的Li6PS5Cl上,两条支线分别走向氧化物LLZO与卤化物Li3InCl6,把不同技术路线都过了一遍;进阶的界面与晶界场景,留作体相计算完成后的延伸。到了交卷的时候,学员要跑通一个完整算例,离子电导率、扩散系数与实验值或文献基准逐项对照,结果既解释得了,也对得上实验。
支撑算例运转的,是芯培森的算力底座:位于大湾区的芯培森合资赫曦原子智算中心,100台赫曦服务器采用CPU+GPU+APU超异构计算架构,三类算力分工协作。学员课程里的APUMD环节,跑的就是芯培森的APU。
收官时,学员手里多了三样东西
流程与算例之外,更值得看的是学员手里留下了什么。盘点两天,学员带走的是三层收获:一条完整的方法链,从MD理论、LAMMPS实操到DFT、势函数训练,再到APUMD模拟与锂离子输运分析,环环相扣;一套可复用的判断标准,模拟结果要经得起实验值或文献基准的校验,势函数靠不靠谱自己就能下判断;一种新的工作方式,重复劳动交给AI Agent自动化完成,人的精力回到问题本身。三样东西里,前两样写在讲义上,第三样只能练出来,这一点,网上教程替代不了。
课程之后
结营不是互动的终点:课程指导老师还将通过学员社群,就实际使用中遇到的问题持续答疑。据主办方介绍,芯培森·SwiftMater后续还将举办多轮MLMD实战训练营,固态电池之外,还将覆盖更多材料体系与进阶主题,企业内训合作同步开放。
对一场芯培森MLMD训练营而言,更长的时间跨度在课后。结营之后,学员在岗位上的每一次计算、社群里的每一个提问,都在把课堂上这套流程变成材料计算里的日常动作。这是首期收官留下的最有价值的东西。
