Meta AI 公司于 5 月 14 日发布博文，发布了全新化学数据集 Open Molecules 2025（OMol25）以及通用原子模型 Universal Models for Atoms（UMA）。
OMol25 数据集：化学研究新利器
OMol25 是迄今为止规模最大的分子模拟数据集，由 Meta 与美国能源部劳伦斯伯克利国家实验室（Berkeley Lab）联合打造，该数据集包含超过 1 亿个 3D 分子快照，基于密度泛函理论（DFT）计算而成。
DFT 是一种强大的工具，能精确模拟原子间相互作用，帮助科学家预测每个原子的受力及系统能量，从而揭示分子运动和化学反应的规律。
传统的 DFT 计算需要巨大的计算资源，随着分子规模增大，计算需求呈指数级增长，使用最先进的计算设备，也难以模拟现实世界中复杂的分子系统。
基于 DFT 数据训练的机器学习原子间势（MLIPs）能以快 1 万倍的速度提供同等精度的预测，让科学家能在普通计算系统上模拟大型原子系统。OMol25 作为化学多样性最高的分子数据集，为训练 MLIPs 提供了前所未有的数据支持。
UMA 模型：通用预测工具问世
Meta 公司还推出 UMA，是一个基于过去五年 Meta FAIR 公开数据集构建的通用原子间势能模型群，覆盖分子、材料、触媒等化学领域，利用超过 50 亿个原子组成的 3D 结构作为训练数据。
UMA 分为 UMA-small 和 UMA-medium 两种规模，采用“Mixture of Linear Experts”创新架构，其中 UMA-medium 模型拥有 14 亿参数，但单结构计算仅用约 5000 万参数，加快推理速度。
UMA 模型无需微调，仅通过预训练即可应对多种化学任务，性能媲美甚至超越现有专用模型。研究表明，UMA 在分子特性预测、材料设计、触媒开发、能量存储及半导体制造等领域表现出色，高精度与快速计算能力为科学研究和工业应用开辟了新路径，推动跨领域技术革新。
AI在线附上参考地址
The Open Molecules 2025 (OMol25) Dataset, Evaluations, and Models
Sharing new breakthroughs and artifacts supporting molecular property prediction, language processing, and neuroscience
Computational Chemistry Unlocked: A Record-Breaking Dataset to Train AI Models has Launched - Berkeley Lab – Berkeley Lab News Center
UMA: A Family of Universal Models for Atoms | Research - AI at Meta
facebook/OMol25 · Hugging Face
facebook/UMA · Hugging Face
