Was ist passiert?
Microsoft Research kündigte Skala 1.1 an, ein Deep-Learning-Austausch-Korrelations-Funktional für die Dichtefunktionaltheorie. Das Unternehmen gibt an, dass das Modell mit 2,5-mal mehr Daten als die erste öffentliche Version trainiert wurde, die Ergebnisse bei mehreren molekularen Simulationsaufgaben verbessert und in CP2K verfügbar ist. Integrationen mit Psi4, FHI-Zielen, ORCA und VASP sind in Arbeit, zusammen mit einem lebendigen Benchmark für die Verfolgung der Leistung über Software und Hardware hinweg.
Microsoft Research veröffentlichte die Ankündigung am 20. August 2026 und beschrieb Skala 1.1 als die neueste Version einer Deep-Learning-Austausch-Korrelationsfunktion, die die Dichtefunktionaltheorie (DFT) verbessern soll. DFT wird verwendet, um die elektronische Struktur in Berechnungen in den Bereichen Chemie, Materialien, Katalyse, Energietechnologien und Arzneimittelentwicklung anzunähern. Die Quelle sagt, dass Skala einem Modell der kontinuierlichen Verbesserung folgt, bei dem jede Version die vorherige ersetzen soll, während der praktische Rechenaufwand ungefähr gleich bleibt. Bei diesen Beschreibungen handelt es sich um Behauptungen von Microsoft Research; Die angegebene Quelle enthält keine unabhängige Bestätigung durch externe Gutachter.
Das Unternehmen berichtet, dass Skala 1.1 auf 2,5-mal mehr Daten trainiert wurde als die erste öffentliche Skala-Version. Microsoft sagt, dass die zusätzlichen Microsoft Research Accurate Chemistry Collection-Daten Kategorien hinzugefügt haben, darunter Elektronenaffinitäten und nichtkovalente Cluster, wodurch sowohl die Menge als auch die Vielfalt des Trainingssatzes erhöht wurden. Der Quelle zufolge verbessert das aktualisierte Modell die Leistung in der Hauptgruppen-Thermochemie, Reaktionskinetik und Molekülstrukturvorhersage und liefert gleichzeitig genaue Elektronendichten, Dipolmomente und Molekülgeometrien. Die Ankündigung bietet keine vollständige Auflistung der Trainingsdaten, ihrer Lizenzierung oder der zur Erstellung des Modells verwendeten Rechenressourcen.
In der GMTKN55-Benchmark-Suite, die laut Quelle 55 Kategorien chemischer Probleme abdeckt, meldet Microsoft einen gewichteten durchschnittlichen Fehler von 2,8 Kilokalorien pro Mol. Es heißt, dass Skala 1.1 in 32 Kategorien den ersten Platz belegte und führende globale, einschließlich bereichsgetrennte Hybridfunktionen, übertraf, während es auf Kosten einer halblokalen Meta-GGA-Funktionalität operierte. In einer separaten Implementierungsprüfung sagt Microsoft, dass die CP2K- und PySCF-Ergebnisse innerhalb einer mittleren absoluten Abweichung von 0,1 Kilokalorien pro Mol über eine repräsentative GMTKN55-Untergruppe hinweg übereinstimmen, wobei ein Ausreißer ein schwieriges Radikalsystem betrifft. Das bereitgestellte Material überprüft diese Zahlen nicht unabhängig und zeigt auch nicht die vollständige Vergleichsmethodik.
Die Zugangsmitteilung besteht aus zwei Teilen. Laut Microsoft wurde Skala zuvor über eine Open-Source-Community-Edition veröffentlicht, die auf GPU4 PySCF basiert und in ASE integriert ist. Das Unternehmen gibt nun an, dass Skala nach der Zusammenarbeit mit dem Center for Advanced Systems Understanding im Open-Source-Paket CP2K verfügbar ist, während die Arbeit an Psi4 fortgesetzt wird. Microsoft sagt auch, dass es mit Entwicklern von FHI-Zielen, ORCA und VASP zusammenarbeitet, beschreibt diese Bemühungen jedoch als laufende Integrationen und nicht als abgeschlossene Verfügbarkeit. Ein Benchmarking-System und ein lebendiger Leistungsbericht sollen dazu dienen, aufeinanderfolgende Veröffentlichungen über Pakete und Hardwareplattformen hinweg zu verfolgen.
Lesen Sie die Primärquelle: microsoft.com ↗
Warum es wichtig ist
Die Dichtefunktionaltheorie wird häufig zur Abschätzung von Molekül- und Materialeigenschaften eingesetzt, doch Genauigkeit und Rechenaufwand waren traditionell schwer in Einklang zu bringen. Wenn sich die von Microsoft gemeldeten Benchmark-Ergebnisse über Implementierungen und praktische Arbeitslasten hinweg übertragen lassen, könnte Skala Forschern Zugang zu Berechnungen mit höherer Genauigkeit verschaffen, ohne die vollen Kosten einiger Hybridfunktionen zu tragen. Die Ankündigung ist vor allem deshalb wichtig, weil sie eine Modellaktualisierung mit einem umfassenderen Softwarezugriff und einer reproduzierbaren Leistungsverfolgung kombiniert.
Die technische Bedeutung liegt im Versuch, einen seit langem bestehenden Kompromiss bei der Berechnung elektronischer Strukturen einzugrenzen. Genauere Methoden können kostspielig sein und die Größe oder Dauer der Simulationen begrenzen. Die zentrale Behauptung von Microsoft ist, dass Skala 1.1 die mit teureren globalen Hybridfunktionen verbundene Genauigkeit erreicht und gleichzeitig das Rechenprofil eines halblokalen Meta-GGA beibehält. Bei unabhängiger Reproduktion könnte diese Kombination es einigen Forschern ermöglichen, genauere Berechnungen in einem Maßstab durchzuführen, der ansonsten Kompromisse bei der Systemgröße, der Simulationszeit oder der Hardware erfordern würde.
Der Zugriff über etablierte Chemiepakete könnte ebenso wichtig sein wie das Modell selbst. Forscher bauen Arbeitsabläufe häufig auf der Grundlage bestimmter elektronischer Strukturcodes auf, da diese Pakete unterschiedliche Methoden, Systemgrößen und Formen der Molekül- oder Materialsimulation unterstützen. Microsoft sagt, dass CP2K besonders für große Systeme und molekulare Dynamik im Langzeitmaßstab geeignet ist und dass Skala auf andere weit verbreitete Plattformen übertragen wird. Eine umfassendere native Integration könnte die Notwendigkeit für Forscher verringern, Arbeitsabläufe um eine separate Implementierung herum neu zu erstellen, obwohl in der Ankündigung weder der Installationsaufwand, die Benutzerakzeptanz noch der Grad der Funktionsparität zwischen den Paketen quantifiziert werden.
Die gemeldeten Ergebnisse könnten für wissenschaftliche Bereiche relevant sein, in denen ungefähre molekulare Energien und Strukturen Entscheidungen darüber leiten, welche Experimente oder Berechnungen mit höherer Genauigkeit durchgeführt werden sollen. Schnellere oder genauere Berechnungen könnten dabei helfen, mögliche Moleküle, Materialien oder Reaktionswege zu untersuchen. Dabei handelt es sich um einen potenziellen Forschungsnutzen und nicht um ein durch diese Ankündigung festgelegtes Ergebnis: Microsoft liefert Benchmark- und Implementierungsergebnisse, dokumentiert jedoch kein neues Arzneimittel, Material, industrielles Verfahren oder experimentell validierte Entdeckung, die mit Skala 1.1 erzielt wurde.
Der Living Benchmark befasst sich auch mit einem praktischen Problem bei der Bewertung wissenschaftlicher Software. Die Leistung kann sich ändern, wenn sich ein Modell, eine numerische Bibliothek, ein Compiler, eine Hardwareplattform oder eine Implementierung ändert. Ein kontinuierlich aktualisierter Bericht könnte den Vergleich dieser Änderungen einfacher machen als ein einzelnes veröffentlichtes Timing-Ergebnis. Sein Wert hängt davon ab, ob der Kabelbaum ausreichend transparent ist und ob bei Vergleichen repräsentative Arbeitslasten, konsistente Genauigkeitsanforderungen und klar gemeldete Hardware verwendet werden. Die Quelle gibt die Ressource bekannt, liefert hier jedoch nicht genügend Informationen, um deren Abdeckung oder Governance zu beurteilen.
Was Sie als nächstes sehen sollten
Die wichtigsten unbeantworteten Fragen sind, ob unabhängige Forscher die gemeldete Genauigkeit reproduzieren, wie Skala außerhalb von GMTKN55 und der genannten Testteilmenge abschneidet und wann die geplanten Integrationen allgemein einsetzbar werden. Der Live-Benchmark kann nützliche Beweise liefern, wenn er transparente Hardware-, Softwareversions- und Workload-Details im Zeitverlauf enthält. Die Quelle legt keine realen Entdeckungen, Akzeptanzniveaus, Lizenzbedingungen für alle Pakete oder die Leistung für jede Systemgröße und Chemie fest.
Die unabhängige Replikation sollte der erste Test sein. Die Ankündigung stammt von Microsoft Research, der Organisation, die Skala entwickelt, und alle Genauigkeits- und Leistungsansprüche im bereitgestellten Material stammen von dieser Quelle.
Die Forscher müssen die GMTKN55-Ergebnisse bestätigen, die Behandlung schwieriger Fälle wie Radikale überprüfen und feststellen, ob der gemeldete gewichtete durchschnittliche Fehler von 2,8 Kilokalorien pro Mol unter denselben Einstellungen vergleichbar ist, die für konkurrierende Funktionale verwendet werden. Ergebnisse zu weiteren Benchmark-Suiten würden helfen zu zeigen, ob sich die Gewinne über die gemeldete Bewertung hinaus verallgemeinern lassen.
Ein weiteres zentrales Thema ist die Konsistenz der Umsetzung. Microsoft berichtet, dass CP2K und PySCF innerhalb einer repräsentativen Teilmenge innerhalb einer mittleren absoluten Abweichung von 0,1 Kilokalorien pro Mol übereinstimmten, aber das ist nicht dasselbe wie die Demonstration identischen Verhaltens über alle unterstützten Systeme, Basissätze, Konvergenzeinstellungen oder Hardwarekonfigurationen hinweg. Die geplante Psi4-Integration und die Arbeiten an FHI-Zielen, ORCA und VASP sollten auf Fertigstellung, Dokumentation, Versionskompatibilität und reproduzierbare Tests überwacht werden. Die Verfügbarkeit kann je nach Paket unterschiedlich sein und die Quelle gibt kein gemeinsames Veröffentlichungsdatum für alle Integrationen an.
Die Leistungsansprüche müssen je nach Arbeitsbelastung interpretiert werden. Microsoft sagt, dass Skala eine Leistung aufweist, die mit semi-lokalen Meta-GGAs auf CPUs und GPUs vergleichbar ist, dass die GPU-Kosten im zitierten Vergleich mit r2SCAN übereinstimmen und dass der CPU-Overhead für Moleküle mit mehr als etwa 20 bis 30 Atomen oder Systeme mit mehr als etwa 300 Orbitalen verschwindet. Hierbei handelt es sich um Vergleiche mit Quellenangaben und nicht um allgemeingültige Garantien. Forscher benötigen Timings für ihre eigenen Molekülgrößen, Hardware, Software-Stacks und Simulationstypen, insbesondere weil kleine Systeme möglicherweise einen Overhead verursachen und verschiedene Pakete möglicherweise unterschiedlich skalieren. Schließlich sollte der lebendige Leistungsbericht zeigen, ob spätere Skala-Releases die Genauigkeit verbessern, ohne versteckte Kosten oder Instabilität zu verursachen. Die Quelle sagt, dass neue Versionen und Optimierungen in Bibliotheken wie GauXC die Effizienz verändern können und dass der Benchmark diesen Fortschritt verfolgen wird. Zu den wichtigen Unbekannten gehören die Lizenz- und Supportvereinbarungen des Modells für jedes Paket, die langfristige Aufrechterhaltung der Integrationen, die Bandbreite der in den Trainingsdaten dargestellten chemischen Umgebungen und die Frage, ob die Methode zuverlässig bleibt, wenn sie für Entscheidungen außerhalb der Benchmark-Bedingungen verwendet wird. Es gibt noch keine Annahme, keine industrielle Auswirkung oder keine experimentell bestätigte Entdeckung.
