O que aconteceu
Microsoft A pesquisa anunciou o Skala 1.1, um funcional de correlação de troca de aprendizado profundo para a teoria do funcional de densidade. A empresa afirma que o modelo foi treinado com 2,5 vezes mais dados do que a primeira versão pública, melhora os resultados em diversas tarefas de simulação molecular e está disponível em CP2K. Integrações com Psi4, FHI-aims, ORCA e VASP estão em andamento, juntamente com uma referência viva para monitorar o desempenho de software e hardware.
Microsoft Research publicou o anúncio em 20 de agosto de 2026, descrevendo Skala 1.1 como a versão mais recente de um funcional de correlação de troca de aprendizado profundo destinado a melhorar a teoria do funcional de densidade, ou DFT. A DFT é usada para aproximar a estrutura eletrônica em cálculos envolvendo química, materiais, catálise, tecnologias energéticas e descoberta de medicamentos. A fonte diz que Skala segue um modelo de melhoria contínua em que cada versão pretende substituir a anterior, preservando aproximadamente o mesmo custo computacional prático. Essas descrições são afirmações feitas pela Microsoft Research; a fonte fornecida não inclui confirmação independente de avaliadores externos.
A empresa relata que o Skala 1.1 foi treinado com 2,5 vezes mais dados do que o primeiro lançamento público do Skala. Microsoft diz que os dados adicionais da Microsoft Research Accurate Chemistry Collection adicionaram categorias, incluindo afinidades eletrônicas e clusters não covalentes, aumentando a quantidade e a diversidade do conjunto de treinamento. Segundo a fonte, o modelo atualizado melhora o desempenho na termoquímica de grupo principal, cinética de reação e previsão de estrutura molecular, ao mesmo tempo que produz densidades eletrônicas, momentos de dipolo e geometrias moleculares precisas. O anúncio não fornece uma contabilidade completa dos dados de treinamento, seu licenciamento ou dos recursos computacionais usados para criar o modelo.
No conjunto de benchmarks GMTKN55, que a fonte descreve como cobrindo 55 categorias de problemas químicos, Microsoft relata um erro médio ponderado de 2,8 quilocalorias por mol. Ele diz que o Skala 1.1 ficou em primeiro lugar em 32 categorias e superou os líderes globais, incluindo funcionais híbridos separados por faixa, enquanto operava ao custo de um funcional meta-GGA semi-local. Em uma verificação de implementação separada, Microsoft diz que os resultados de CP2K e PySCF concordaram dentro de 0,1 quilocalorias por mol, desvio absoluto médio em um subconjunto representativo de GMTKN55, com um valor discrepante envolvendo um sistema radical difícil. O material fornecido não verifica esses números de forma independente nem mostra a metodologia de comparação completa.
O anúncio de acesso tem duas partes. Skala foi lançado anteriormente por meio de uma edição comunitária de código aberto construída em GPU4 PySCF e integrada ao ASE, de acordo com Microsoft. A empresa agora diz que Skala está disponível no pacote CP2K de código aberto após colaboração com o Center for Advanced Systems Understanding, enquanto o trabalho continua no Psi4. Microsoft também afirma que está trabalhando com desenvolvedores de objetivos FHI, ORCA e VASP, mas descreve esses esforços como integrações em andamento, em vez de disponibilidade concluída. Um relatório de benchmarking e desempenho vivo tem como objetivo rastrear lançamentos sucessivos em pacotes e plataformas de hardware.
Leia a fonte primária: microsoft.com ↗
Por que isso importa
A teoria do funcional da densidade é amplamente utilizada para estimar propriedades moleculares e de materiais, mas a precisão e o custo computacional têm sido tradicionalmente difíceis de equilibrar. Se os resultados de benchmark relatados por Microsoft forem transferidos entre implementações e cargas de trabalho práticas, Skala poderia dar aos pesquisadores acesso a cálculos de maior precisão sem o custo total de alguns funcionais híbridos. O anúncio é importante principalmente porque combina uma atualização de modelo com acesso mais amplo ao software e rastreamento de desempenho reproduzível.
O significado técnico é a tentativa de estreitar um compromisso de longa data nos cálculos de estruturas eletrônicas. Métodos mais precisos podem ser caros, limitando o tamanho ou a duração das simulações. A afirmação central de Microsoft é que Skala 1.1 atinge a precisão associada a funcionais híbridos globais mais caros, enquanto mantém o perfil computacional de um meta-GGA semi-local. Se reproduzida de forma independente, essa combinação poderia permitir que alguns pesquisadores executassem cálculos mais precisos em uma escala que, de outra forma, exigiria compromissos no tamanho do sistema, no tempo de simulação ou no hardware.
O acesso através de pacotes químicos estabelecidos pode ser tão importante quanto o próprio modelo. Os pesquisadores muitas vezes criam fluxos de trabalho em torno de códigos de estrutura eletrônica específicos porque esses pacotes suportam diferentes métodos, tamanhos de sistema e formas de simulação molecular ou de materiais. Microsoft diz que o CP2K é especialmente adequado para sistemas de grande escala e dinâmica molecular de longa escala, e que Skala está sendo levado para outras plataformas amplamente utilizadas. Uma integração nativa mais ampla poderia reduzir a necessidade dos pesquisadores reconstruírem fluxos de trabalho em torno de uma implementação separada, embora o anúncio não quantifique o esforço de instalação, a aceitação do usuário ou o grau de paridade de recursos entre os pacotes.
Os resultados relatados podem ser relevantes para áreas científicas onde energias e estruturas moleculares aproximadas orientam as decisões sobre quais experimentos ou cálculos de maior precisão devem ser realizados. Cálculos mais rápidos ou mais precisos podem ajudar a selecionar moléculas, materiais ou vias de reação candidatas. Este é um benefício potencial da pesquisa, não um resultado estabelecido por este anúncio: Microsoft fornece resultados de referência e de implementação, mas não documenta um novo medicamento, material, processo industrial ou descoberta validada experimentalmente produzida com Skala 1.1.
O benchmark vivo também aborda um problema prático na avaliação de software científico. O desempenho pode mudar quando um modelo, biblioteca numérica, compilador, plataforma de hardware ou implementação muda. Um relatório continuamente atualizado poderia tornar essas alterações mais fáceis de comparar do que um único resultado temporal publicado. Seu valor dependerá de o chicote ser suficientemente transparente e de as comparações usarem cargas de trabalho representativas, requisitos de precisão consistentes e hardware claramente relatado. A fonte anuncia o recurso mas não fornece aqui informação suficiente para avaliar a sua cobertura ou governação.
O que assistir a seguir
As principais questões não respondidas são se os pesquisadores independentes reproduzem a precisão relatada, como o Skala funciona fora do GMTKN55 e do subconjunto de testes citado, e quando as integrações planejadas se tornam amplamente utilizáveis. O benchmark vivo pode fornecer evidências úteis se incluir detalhes transparentes de hardware, versão de software e carga de trabalho ao longo do tempo. A fonte não estabelece descobertas do mundo real, níveis de adoção, termos de licenciamento em todos os pacotes ou desempenho para cada tamanho de sistema e química.
A replicação independente deve ser o primeiro teste. O anúncio é da Microsoft Research, a organização que desenvolve o Skala, e todas as afirmações de precisão e desempenho no material fornecido vêm dessa fonte.
Os pesquisadores precisarão confirmar os resultados do GMTKN55, inspecionar o tratamento de casos difíceis, como os radicais, e determinar se o erro médio ponderado de 2,8 quilocalorias por mol relatado é comparável nas mesmas configurações usadas para funcionais concorrentes. Os resultados de conjuntos de parâmetros de referência adicionais ajudariam a mostrar se os ganhos se generalizam para além da avaliação reportada.
A consistência da implementação é outra questão fundamental. Microsoft relata que CP2K e PySCF concordaram em 0,1 quilocalorias por mol, média de desvio absoluto em um subconjunto representativo, mas isso não é o mesmo que demonstrar comportamento idêntico em todos os sistemas suportados, conjunto de base, configuração de convergência ou configuração de hardware. A integração planejada do Psi4 e o trabalho envolvendo FHI-aims, ORCA e VASP devem ser observados para conclusão, documentação, compatibilidade de versões e testes reprodutíveis. A disponibilidade pode variar de acordo com o pacote e a fonte não especifica uma data de lançamento comum para todas as integrações.
As declarações de desempenho precisam ser interpretadas por carga de trabalho. Microsoft diz que Skala tem desempenho comparável a meta-GGAs semi-locais em CPUs e GPUs, que o custo da GPU corresponde ao r2SCAN na comparação citada e que a sobrecarga da CPU desaparece para moléculas maiores que cerca de 20 a 30 átomos ou sistemas maiores que cerca de 300 orbitais. Estas são comparações relatadas pelas fontes, não garantias universais. Os pesquisadores precisarão de temporizações para seus próprios tamanhos moleculares, hardware, pilhas de software e tipos de simulação, especialmente porque sistemas pequenos podem carregar sobrecarga e pacotes diferentes podem escalar de maneira diferente. Finalmente, o relatório de desempenho vivo deve revelar se os lançamentos posteriores do Skala melhoram a precisão sem criar custos ocultos ou instabilidade. A fonte diz que novos lançamentos e otimizações em bibliotecas como GauXC podem alterar a eficiência e que o benchmark acompanhará esse progresso. Incógnitas importantes incluem o licenciamento do modelo e os acordos de suporte em cada pacote, a manutenção a longo prazo das integrações, a variedade de ambientes químicos representados nos dados de treinamento e se o método permanece confiável quando usado para decisões fora das condições de referência. Nenhuma adoção, impacto industrial ou descoberta confirmada experimentalmente foi estabelecida ainda.
