近日，面向科学计算与人工智能交叉领域的国产「机器学习力场」软件MatPL迎来里程碑式更新——海光DCU性能优化版正式在GitHub开源发布。该版本针对最新一代海光DCU进行深度定制优化，性能测试表明在运行机器学习力场核心科学计算任务时，关键性能指标达到国际主流水平。
MatPL海光DCU性能优化版的成功上线，标志着我国在自主可控的第一性原理软件生态建设——机器学习力场领域取得突破。这不仅仅是一个软件版本的迭代，更是我国在“面向科学的人工智能”这一战略，实现从硬件、框架到应用创新链自主化的重要标志。它将推动物理、化学、材料等基础学科的科研范式变革，使大规模高精度模拟成为可能，从而在新能源材料设计、药物研发、尖端器件仿真等关乎国计民生的关键领域催生原创性突破。
▍在关键领域催生原创性突破
机器学习力场方法，是通过小体系的第一性原理计算产生海量训练数据，利用机器学习模型精准拟合体系中的能量、原子受力与应力张量，提升量子力学相关的模拟效率。MatPL是由北京龙讯旷腾科技有限公司自主开发的机器学习力场软件，专注实现机器学习力场模型训练，训练好的模型与昂贵第一性原理计算达到同等精度。
本次发布的MatPL海光DCU性能优化版，核心目标就是为上述机器学习力场计算提供极致性能支撑。海光优化专家与龙讯开发团队通力合作，从底层计算内核、内存调度到任务并行策略，对框架进行全方位重构与优化，使其完美契合海光DCU。在机器学习力场模型训练测试中，最新一代DCU达到了国际主流的训练效率。
这意味着，科研人员借助此技术，将第一性原理精度的分子动力学模拟的体系尺寸和时间尺度扩大数个数量级，能够研究更复杂的材料行为、化学反应机理和生物分子过程，极大加速新材料的发现与设计。
▍全面适配开源，共建自主生态
MatPL海光DCU性能优化版的开源发布，是对业界发出的郑重承诺：全面支持与适配海光最新一代DCU，确保用户在该国产硬件平台上实现开箱即用的高效体验。目前所有代码、安装教程以及针对材料化学等领域的示例工作流，均已在GitHub仓库中公开（https://github.com/LonxunQuantum/MatPL/tree/nep-dcu/）。
同时，这对于全球学术界、产业界的研究者与工程师也是一份邀请：加入MatPL开源生态，共同使用、测试并参与贡献。通过开放的社区协作，持续降低将机器学习力场等先进模拟方法应用于实际科研难题的门槛，并推动更多科学计算软件向国产高性能计算平台高效迁移，共建繁荣、自主、可持续的国产算力生态。
