MatterSim

微软的深度学习原子间势（原子尺度模拟的"基础模型"），覆盖广泛的元素、温度和压力范围。

1. 核心产品 / 服务

MatterSim 是一种机器学习原子间势（MLIP），据微软称，其训练数据多达约 1,700 万个带 DFT 标签的结构，涵盖主要化学体系，旨在对宽广条件范围内的材料性质进行零样本预测（据报道约 0–5000 K、最高约 1000 GPa）[1]。MatterSim 无需对每种构型都运行昂贵的 DFT，而是直接预测能量和力，从而以接近 DFT 的精度实现大规模分子动力学与性质模拟。

2. 目标用户与痛点

需要精确原子尺度模拟、又不想承担逐体系 DFT 成本的计算材料科学家和化学家。通用 MLIP 让研究者可以"开箱即用"地模拟新材料，而无需拟合专用势函数——这正是 ai-for-science MLIP 层的核心承诺。

3. 竞争格局

排行榜位次更迭很快——MACE-MP-0（2023 年）此后已被 MatterSim、OMat24 等超越，因此这里的"SOTA"永远只是"发布时的 SOTA"。

4. 独立观察

MatterSim 是材料领域领域基础模型最清晰的范例之一：庞大的近似可自监督的 DFT 语料 + 广泛覆盖 + 零样本使用。但需注意 ai-for-science 综述中那条坦率的提醒——材料领域"通用/涌现式基础模型"的叙事未能通过对抗性验证；与其说 MatterSim 是通用的材料大脑，不如把它理解为一种广覆盖的势函数。其覆盖范围也有边界（据报道约 89 种元素，并非字面意义上的"所有"）。

5. 财务 / 融资

不是独立的商业产品。由 微软研究院（AI4Science）开发；代码与权重开放，供研究使用。

6. 团队与关系

• 由 微软研究院 AI for Science 开发。
• 与 gnome 这类发现引擎天然配对（找到候选材料 → 用 MatterSim 模拟）。
• 相关：gnome、ai-for-science、aifs-physics、aifs-chemistry。

来源

• [1] Yang et al., "MatterSim: A Deep Learning Atomistic Model Across Elements, Temperatures and Pressures", arXiv:2405.04967 (2026-06-14)
• microsoft/mattersim GitHub (2026-06-14)