做高精度机器学习分子模拟的你，是不是也被训练成本逼疯了？
高精度模型往往带来高参数量和高计算消耗、训练算力动辄几百 GPU-days——
更别说很多高精度模型也就打榜厉害，工程化做得很差，一到实际场景，用起来就磕磕绊绊。
近日，由北京科学智能研究院 OpenLAM 团队等机构的研究者最新放出的 DPA4，直接把这些老规矩掀翻了桌子。
三条关键数据，先帮你快速建立认知：
🔸 准确率世界第一： DPA4-Pro 在 Matbench Discovery 合规榜单上取得 CPS = 0.833，是目前所有合规模型的最高分。
🔸 小参数量打大参数量： 仅 2.76M 参数的 DPA4-Air 就能在精度上超越 30.1M 参数的 eSEN-30M-MP——参数少了 10.9 倍，训练算力仅需对方的 1/42.9。
🔸 开箱即用： DPA4 由 DeePMD-kit (https://github.com/deepmodeling/deepmd-kit\) 原生支持，代码开源在 DeepModeling 科学智能社区 (https://deepmodeling.com/)。星使智算\ AsterFire Go 科学智算平台 (https://sidereus-ai.com/\) 已内置预训练模型和 DeePMD 智能体工具，上传结构即可运行。
DPA4 绝不仅仅是跑分强。它的架构设计思路，值得每一个做机器学习分子模拟的人认真看一看。
图 1：Matbench Discovery 官方截图，DPA4 在综合指标 CPS 位列第一，其中 K_SRME 指标断层式领先。数据截至 2026 年 6 月 1 日。
机器学习势（Machine Learning Interatomic Potentials, MLIPs）在做的事情就是用机器学习的方法拟合高精度（如第一性原理方法）势能面，以构建高精度的力场。这一力场建立三维化学结构到其能量（包括原子能量贡献和分子总能量）以及原子受力等物理属性的映射，是分子模拟中必不可少的基座。
用于分子模拟的这些力场需要满足最基础的物理约束——“不变”（invariant）性和*“保守” (conservative) *性。这两个概念都很好理解：
不变性：分子的能量需要与分子平移、旋转、以及同元素原子置换无关。
保守性：分子中各原子的受力需要直接来自原子势能对坐标的梯度。
一般来说，满足不变性和保守性的模型，其原子受力自然是等变的，物理约束已经足够。但实践证明，引入“等变”性质会使模型精度和数据利用率明显上升。
我们可以先看看上一代 DPA 大原子模型的实现。DPA3 以线图级联的模型架构达到了很高的分辨率，在不变模型上达到了等变模型的高精度。DPA3 是怎么描述一个原子周围的化学环境的？它通过图结构看到距离和角度——邻居有多远（r）、三个原子之间夹角多大（cosθ）。
图 2：DPA3 模型架构，其中 (a) 图和 (b) 图很好地说明了其"线图级联"的模式：将图表示级联起来，一阶图的节点表示体系原子，边表示原子间距离（化学键），这一信息同时被二阶图的节点表达，二阶图的边则表示原子键角。依此类推。
这一不变模型的分子图表示结构很清晰，并自然满足基础的物理约束，但代价是什么？网络内部的所有特征都是标量。比如说，它知道"有个碳原子在 1.5Å 外"，也知道"碳 - 氧-氢之间的夹角是 104°"，但它不知道这个碳到底在左边还是右边、上面还是下面。方向信息在输入阶段就被消掉了。
而"等变"（equivariant）这一概念，则是不变的升级进化版。这里用一个不严谨但好懂的比喻：
不变模型（如上一代 DPA3）： 好比把 3D 分子拍成一张二维照片，然后在照片上做分析。旋转分子，照片上的像素值不变——能量自然旋转不变。代价是：你丧失了"这个原子到底在左边还是右边"的方向信息。
等变模型（如 DPA4）： 好比保留了一个完整的 3D 方向感知场。旋转分子，这个感知场也跟着旋转，但最终提取的能量仍然不变。中间过程保留了方向信息，所以模型表达能力更强，数据效率更高。
从不变到等变的演进，背后暗含了高精度分子表示问题的一个认识趋势：只靠原子间距离来预测能量和力，已经不够了。DPA4 相比 DPA3 的核心变化，就是不让网络在消息传递的中途丢掉方向信息。
实际上，对于简单的体系或者是标量性质预测而言，传统的不变表征空间的预测就是把保留了方向性的等变空间特征通过求范数等操作不可逆地压缩方向性，从而降低计算成本和物理约束，这种方案极大地降低了模型的容量和表达能力，又没有引入其他机制和先验，导致不变模型需要大得多的训练步数和数据量才能达到与等变模型相同的精度。
而近年来的高精度机器学习势模型——NequIP、MACE、eSEN、Equiformer——几乎都在做同一件事：通过等变性，让网络"看到方向"。——不是把方向信息抹掉、只保留距离，而是让每个原子的特征天然携带"哪个方向有什么邻居"的信息。标量和矢量的信息被放进不同的通道分别处理，而不是强行把矢量压扁成标量，或者指望靠堆数据来弥补模型本身的方向感缺失。
等变结构确保了每一层的表示都遵守正确的对称变换规则，这极大增强了模型的平滑性和外推稳定性。实测中，等变模型在势能面的偏远区域（如高能构型）通常给出更合理的力预测，这在动态模拟中至关重要。同时，等变网络可以直接在同一个等变特征空间上挂载不同阶数的输出头，对于矢量性质（如偶极矩），张量性质（如极化率）等高阶物理信息学习和预测自然适配。
等变网络是让深度学习模型更“懂”三维空间的工程实现，它在样本效率、泛化能力和多属性建模上带来了质的飞跃。然而，天下没有免费的午餐。通过等变性保留方向信息是有代价的：张量积耦合的计算量随角动量阶数增长极快。
DPA4 的核心贡献，就是用"边局部坐标系"这个技巧，把保留方向信息的成本大幅降了下来。 理解了这一点，后面的技术细节就好懂了。
DPA4（又称 SeZM: Smooth Equivariant Zone-bridging Model）是 DeePMD 团队在等变机器学习势方向上的正式回应。它作为 DeepModeling 社区的最新一代 DPA 大原子模型，在采用球谐等变架构的基础上，并没有照着 MACE/NequIP 的图纸再画一遍，而是选择了一条更适合工程落地的路线。
图 3：DPA4 模型架构图（原论文 Figure 2）。(a) 整体数据流，(b) 共享边缓存与几何注入嵌入（GIE），(c) EMFA SO(2) 卷积——四项核心创新 A1–A4 的所在位置。下文 1.1–1.4 依次拆解。
这是理解 DPA4 最关键的一节。
一般来说，通过等变保留方向信息时，会采用球谐等变的模式。假设每个原子的特征包含 16 个方向系数（对应 l=0,1,2,3 四个角量子数，每个阶有 2l+1 个分量）。如果你要在全局坐标系中让两个带方向的原子互相传消息，你需要把发送原子的 16 个分量和接收原子的 16 个分量两两耦合——这在数学上叫"张量积"，全局 SO(3) Clebsch-Gordan 张量积的计算量随 lmax 呈四次方增长（O(L⁴)），而且要对每条边、每一层都做。更关键的是，这个成本随角动量阶数的增长方式非常陡——阶数每加一档，耦合的组合数不是翻倍，而是平方甚至更高次地增长。
这就是为什么 MACE/NequIP 这类模型虽然精度高，但通常只能停在l=2 或 l=3。它们并非不想用更高阶的方向分辨率来区分 d 轨道和 f 轨道的细微角度差异，只是每加一阶的代价递增太快，无法接受。
DPA4 注意到，两个原子之间传递消息时，唯一真正重要的方向是两个原子连线的方向。垂直于这条连线的方向分量，在消息聚合到目标原子之前都是冗余的自由度。
于是它把每条边上的计算拆成三步：
旋转：把发送原子的"方向感知场"旋转一下，让新坐标系的 z 轴对齐两个原子之间的连线方向。这步只涉及一个固定的旋转矩阵乘法。
局部计算：在新的坐标系里做消息混合。此时 z 轴已经对齐了边方向，绕边轴的旋转变成了一个更容易处理的问题——不同|m| 阶之间天然解耦，不需要昂贵的交叉耦合项。计算量随角动量阶数的增长从"超线性暴增"变成了"温和的二次增长"。
旋转回：把混合后的消息再转回全局坐标系。
第 1 步和第 3 步的旋转矩阵，每条边在整个前向传播中只算一次，然后所有交互层共用。真正反复执行的是第 2 步——而这正是 DPA4 省钱的地方：把昂贵的全局 SO(3) 耦合，搬到每条边的局部坐标系里，变成便宜的 SO(2) 块对角计算。
在全局坐标系里耦合方向信息，需要处理任意两个 (l₁,m₁) 和 (l₂,m₂) 之间的相互作用。以 lmax=3 为例，单是枚举所有可能的耦合组合就是一个很大的矩阵乘法，而且这个矩阵的规模随lmax 的增长是四次方级别的。
而在 DPA4 的边局部坐标系里，z 轴对齐之后，不同 |m| 阶之间不再需要互相耦合。权重矩阵变成了块对角结构——|m|=0 是一块，|m|=1 是另一块，各块之间独立计算。不仅计算量降了，而且每一块内部的约束也更简单：|m|>0 的块只需要保持绕 z 轴旋转下的正确性，约束条件是 2×2 的矩阵形式，不需要全局张量积那么复杂的耦合系数。
正因为局部计算不再受全局耦合的 scaling 制约，DPA4 敢于使用比同类等变模型大得多的 lmax。lmax 每大一级，能分辨的角度细节就更丰富一层——直接意味着实际精度的提升。论文中的 DPA4-Pro 使用了更大的 lmax 设置，这是其精度领先的重要原因之一。这种 lmax scaling 的下降可以允许增大 lmax 到 4 甚至 5，大幅度提升模型的容量和表达能力。而同类模型受限于全局耦合的成本，往往只能在 lmax=2 或 3 止步。
DPA4 控制方向精细度的参数有两个：l_schedule 控制的是球面上的角分辨率（能区分多细的立体角），mmax 控制的是绕边轴的旋转分辨率（能区分绕键旋转多细的角度变化）。它们各自管不同的事，理解它们的区别，调参时才知道该动哪个。
l_schedule：控制"能看多高的角动量"
在 SO(3) 表示中，原子特征按角量子数 l 组织。l=0 是标量（没有任何方向信息），l=1 能编码矢量方向（3 个分量，类 p 轨道），l=2 能编码张量角分布（5 个分量，类 d 轨道），l=3 能编码八极（7 个分量，类 f 轨道）。每个 l 贡献 2l+1 个系数。
DPA4 不强制所有交互层用相同的 l。靠前的层需要高 l 来捕捉局域几何的细节（键角分布、配位多面体的形状），靠后的层感受野已经覆盖了更大的空间范围，精细角向信息的边际收益递减。l_schedule=[3, 3, 2] 意味着前两层保留完整 l≤3，最后一层降到l≤2——前面精细编码，后面粗粒度汇总，和 CNN 里"浅层高分辨率、深层低分辨率"是一个思路。
mmax：DPA4 独有的"绕键轴分辨率"旋钮
mmax 是边局部坐标系带来的额外自由度。在边对齐的局部坐标系中，方向系数按磁量子数 |m| 分组。DPA4 允许你在局部计算中截断 |m| > mmax 的分量。以 lmax=3 为例：全局 SO(3) 有 16 个系数；转到边局部坐标按 |m| 分组后，|m|=0 有 4 个，|m|=1 有 6 个，|m|=2 有 4 个，|m|=3 有 2 个；mmax=1时只保留前 10 个，省掉 6 个——减少了约三分之一的局部计算量。
关键是，这些被截断的分量并不是被丢弃了。在旋转回全局坐标系时，通过 rescale 因子补偿了这些分量的统计贡献，只是不做显式的逐分量耦合。丢失的交叉信息可以通过增加网络层数来间接恢复——深层传播让被截断的角向信息通过多层积累得到近似的表达。
在 DPA4 当前的预训练模型中，mmax 均设为 1。对于大多数应用场景，保持默认值即可获得良好的精度 - 效率平衡。
DPA4 通过编译优化实现最高约 3 倍的单步训练加速（论文对照实验数据）。但实际体验中，因为模型本身参数更少且收敛更快，端到端达到同等精度所需的总训练时间可以缩短一个数量级以上。只是"开了 torch.compile"可达不到这个效果。加速来自多个层面的叠加，每一层解决的是不同性质的问题。
第一层：消除 Python 的调度开销
PyTorch 默认的执行方式叫 eager 模式——每写一行操作，Python 就向 GPU 发起一次调用。GPU 做一次矩阵乘法可能只要几十微秒，但 Python 发起调用→等结果→返回的调度开销本身就有好几微秒。当成千上万次小操作串联起来，调度开销累积到占了总时间的 60-80%，GPU 大部分时间在等 Python 派活。
DPA4 用 torch.fx 的符号追踪把从坐标输入到能量和力输出的整个前向过程记录为一张完整的计算图，然后交给 torch.compile（Inductor 编译器）生成一个独立的 GPU 程序。训练时 Python 只触发一次，GPU 在里面把所有事情做完才返回。几千次 kernel 调度缩减为几十次，Python 不再是瓶颈。
第二层：让二阶导数也能进编译图
这是最难的一步，也是 DPA4 编译管线最精妙的一步：把嵌套自动微分"展开"成扁平计算图，让力损失训练也能被编译器完整优化。
力损失训练需要计算∂²E/(∂x ∂θ)：能量 E 先对坐标 x 求导得到力 F，力 F 再对模型参数 θ 求导。两层嵌套的自动微分。标准 `torch.compile` 的流程是：AOT Autograd 先编译前向图，然后自动生成反向图用于 loss.backward()。但力是通过 autograd.grad(E, x, create_graph=True) 在前向图内部计算的——AOT Autograd 发现图里还嵌着另一个 autograd 调用，就直接拒绝编译，回退到 eager 模式。这就是为什么大多数等变模型虽然也宣称"用了 compile"，但力损失训练环节实际上还是 Python 一步步调度的原因。
DPA4 的解法：在编译之前，先用 make_fx 把内层 autograd.grad 展开。autograd.grad 本质上就是链式法则——把能量对各层输出的偏导一层层乘回去。make_fx 把这个展开过程记录成一张普通的、不包含 nested autograd 调用的 FX 图。展开之后，编译器看到的就是一个扁平的计算图，可以正常走完 AOT Autograd → Inductor → 生成 GPU 程序的完整流程。二阶导数变成了编译器的自然 backward pass。
这个设计让力损失训练——MLIP 最核心、最昂贵的训练模式——也能享受全编译。没有这一步，前一层的努力只在推理阶段有效，训练时该慢还是慢。
第三层：对最频繁的操作写底层 GPU 代码
编译能消除调度开销和融合相邻操作，但不知道某些特定计算模式有更高效的硬件实现。DPA4 对最耗时的操作——Wigner-D 旋转、边几何信息计算——用 Triton 直接写了定制 GPU kernel。
以 Wigner-D 旋转为例：不同 lmax 下旋转矩阵的大小和稀疏模式完全不同。DPA4 根据 lmax 走不同内核路径——l≤1 时矩阵极小，直接常驻 GPU 寄存器；l=2 走专用展开；l=3 走寄存器分块；l>3 走通用循环分块。而 eager 模式只能用 torch.bmm 一把梭，无法感知矩阵尺寸做针对性优化。
另一个例子是边几何计算：eager 模式下坐标差→距离→截断包络→径向基函数需要 6 个独立 kernel，每个 kernel 把中间结果写回显存、下一个再读出来。DPA4 用一个 Triton kernel 完成全部 6 步，中间结果留在寄存器里。
第四层：几何信息全网复用
每条边的方向矢量、旋转矩阵、径向基函数、截断包络——完全由原子坐标和截断半径决定，与网络权重无关。DPA4 在每次前向开始时只算一次，所有交互层共用。不需要每层重新算一遍。
四个层面的叠加方式如何？
四个层面不是"各加速一块然后加起来"。消除调度开销省下最大一块（第一层），展开二阶导数让加速覆盖力损失训练而不只是推理（第二层），定制 kernel 在编译后的图上进一步压榨硬件（第三层），几何缓存让前面所有层都少了一个重复步骤（第四层）。每一层在前一层基础上放大收益——这就是最终加速能达到"一个数量级以上"的原因。
要理解 DPA4 的选择，最好的参照物是 MACE——当前最广泛使用的等变势架构之一。两者目标相同（SE(3) 等变消息传递），但实现路径截然不同。
| 维度 | MACE 路线 | DPA4 路线 |
|---|---|---|
| 等变计算核心 | 全局 SO(3) 不可约表示 + Clebsch-Gordan 张量积 | 边局部 SO(2) 等变卷积（EMFA） |
| 主要成本来源 | 高阶角动量下的 CG 耦合（O(L⁴)） | 边局部块对角矩阵乘（O(L²)） |
| lmax 扩展性 | 受 CG 成本制约，通常停在 l=2 或 l=3 | SO(2) 解耦后敢于使用更高 lmax |
| 边信息利用 | 主要以不变标量通道引入径向信息 | 边等变特征直接参与 SO(2) 乘积（低秩 edge-node product） |
| 聚合机制 | 张量积消息 + 可学习加权线性组合 | envelope-gated attention（自适应邻居加权） |
| 何时更适合 | 已适配 MACE Torch 生态、训练成本不敏感、重视轻量级自定义开发 | 已适配 DeePMD 生态，追求更低训练成本/更小模型、重视工程可部署性 |
两者的源码对比也很说明问题。MACE 的核心操作：Linear → TensorProduct（通过 instructions 显式指定哪些 l₁,l₂ 耦合到 l₃，内部用 CG 系数计算，O(L⁴) 级别）→ 径向 MLP 生成张量积权重 → SymmetricContraction 做多体展开。依赖 e3nn 的 o3.Irreps 管理不可约表示的直和。
DPA4 的核心操作：_build_so2_weight() 直接构建块对角矩阵 W = diag[W_m0, B_m1, B_m2, ...]。W_m0 无约束，B_m 是 2×2 的[W_u^T, -W_v^T; W_v^T, W_u^T] 块——复数乘法的实矩阵形式，天然保证 SO(2) 等变性。不需要 CG 系数，不需要 instructions，权重矩阵结构本身就携带了等变约束。
两者的径向调制思路相似（都用径向函数生成混合权重），但 DPA4 多了旋转到边局部坐标系这一步——就这一步，把后面的混合从 O(L⁴) 的 CG 张量积变成了 O(L²) 的块对角 matmul。
为什么 MACE 做不到 mmax 截断？ MACE 在全局坐标系里用 Clebsch-Gordan 系数直接耦合不可约表示。CG 耦合的数学定义要求参与耦合的每个 l 的完整 2l+1 个 m 分量都出现，截断任意一个 m 都会破坏耦合的完备性，导致等变性不严格。DPA4 因为把混合操作搬到了边局部坐标系，|m| 组之间天然解耦，截断才变得安全。
DPA4 源码开头的设计声明也很说明问题（见sezm.py）：
"two non-negotiables: 1) Conservative forces. 2) Speed-first inference — edge geometry and Wigner-D computed exactly once per forward and reused by all blocks."
保守性和推理效率——两条不可妥协的原则需要得兼。边局部 SO(2)、几何缓存、块对角权重，都是这两条的产物。
总的来说，MACE 更像是"数学上很强很直接的表达"，DPA4 更像是"把强表达工程化，把训练成本压下来"——两者不是谁替代谁，而是面向不同的工程约束。
DPA4 的意义不只是 DeePMD 系列模型多了一个新选项。它意味着 DeePMD 社区正式把架构重心从"如何消去方向信息"转向了"如何便宜地保留方向信息"。它选择了在每条边的局部坐标系里做简化计算——这条路和任何已有的等变模型都不一样，而且它是当前唯一能在 DeePMD 生态用上等变架构、同时保持工程可部署性的方案。
对于已经用 DeePMD-kit 做模拟的朋友来说，DPA4 非常值得一试。它可能是在"更好的方向感知"和"可以接受的成本"之间，你现在能找到的最务实的选择。接下来，我们来看看怎么零成本上手使用。
随着 DPA4 的初期发布，我们发现很多用户对于适配 DPA4 环境执行训练和计算模拟的过程中，无论是在环境配置上还是在模型使用上都遇到了许多困难，这显著阻碍了 DPA4 这一"世界第一""国产之光"的推广普及和实际应用。
因此，星使智算 AsterFire Go 科学智算平台（https://sidereus-ai.com/）基于已有\ MACE 智能体工具，快速适配上线了机器学习势函数模块的 DPA4 适配，做成了如下图所示的一系列 DeePMD 相关工具，其中内置了目前官方提供的 DPA4 预训练模型，它们支持执行各类材料/分子的计算任务。后续我们也将进一步支持 DPA4 的训练和微调，帮助研究者高效构建针对特定问题的高精度 DPA4 模型。
这些平台工具支持以 DeePMD 模型为基座，开箱即用地完成一系列分子模拟任务。这些任务也可以通过平台“工作流”模式，基于自然语言或是鼠标交互，灵活拼装为复杂链路或是并发计算的工作流。
包括但不限于弹性常数/状态方程/势能面扫描等任务：
包括但不限于表面能计算/异质结构建/表面吸附模拟
支持通过不同方案开展反应路径搜索和过渡态计算。
这些工具目前支持 DPA4-MPTrj-Neo、DPA4-MPTrj-Air、DPA3.1-MPTrj-FT，以及用户自行上传的 Torch 后端 DeePMD 模型。如果 DeepModeling 社区有新的预训练模型发布，我们也会跟进。
如果只把 DPA4 当成一次榜单胜利，那它的价值确实会被低估。
它更像一个信号：等变势的下一阶段，不是简单地"更准"，而是"更准的同时更便宜、更可部署"。 2.76M 参数的小模型 DPA4-Air 能在精度上超越 30.1M 参数的竞品，训练算力仅需对方的 1/42.9——这组数字背后的实质是：高精度机器学习势正在从"只有大团队烧得起"变成"个人研究者也能训练和部署"。
DPA4 的边局部 SO(2) 路线、编译友好的 torch.compile 加速训练、以及国产科学智算平台开箱即用，这三个要素叠加在一起，构成了当前 DeePMD 生态中一个非常务实的选项。
DPA4 不是在做一个更好的 MACE，它是在说：等变势的高成本时代结束了。
2.76M 参数打赢 30.1M，不是奇迹，是工程——是 SO(2) 局部计算、是全图编译、是几何缓存的乘法叠加。
开箱即用，即刻体验：https://sidereus-ai.com/\** —— 上传结构，选择模型，一键运行。**
你更想看我们后续补充哪一块内容？
DPA4 在具体材料体系上的实战案例对比
DPA4 的微调和再训练完整教程
还是"DPA4 vs MACE：同一个体系跑到底"的实战对比？
欢迎私聊本公众号，或者在星使智算论坛 https://forum.sidereus-ai.com/\ 发帖告诉我们。谢谢大家！
参考文献：
[1] Li, T.; Li, W.; Peng, A.; Xue, J.; Zhang, L.; Zhang, D.; Wang, H. DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution. arXiv:2606.02419. https://doi.org/10.48550/arXiv.2606.02419\
[2] Zeng, J.; et al. DeePMD-Kit v3: A Multiple-Backend Framework for Machine Learning Potentials. J. Chem. Theory Comput. 2025, 21 (9), 4375–4385. https://doi.org/10.1021/acs.jctc.5c00340\
[3] Zhang, D.; et al. A Graph Neural Network for the Era of Large Atomistic Models. npj Comput Mater 2026. https://doi.org/10.1038/s41524-026-02146-2.
[4] Hermes, E. D.; et al. Sella, an Open-Source Automation-Friendly Molecular Saddle Point Optimizer. J. Chem. Theory Comput. 2022, 18 (11), 6974–6988. https://doi.org/10.1021/acs.jctc.2c00395\
[5] Wu, Y.; Wang, H. Cone-Shaped Constrained Quasi-Newton Method: Efficient and Robust Single-Ended Transition State Optimization Algorithm. J. Chem. Theory Comput. 2025, acs.jctc.5c01015. https://doi.org/10.1021/acs.jctc.5c01015\