8月5日，北京深勢(shì)科技有限公司(下稱“深勢(shì)科技”)宣布完成數(shù)千萬美元A輪融資，由高瓴資本和經(jīng)緯中國(guó)投資，老股東元璟資本跟投。值得一提的是，這是這家資本市場(chǎng)炙手可熱的公司在近一年內(nèi)連續(xù)完成的第三輪融資。
此前的2020年7月，該公司完成了由百度風(fēng)投領(lǐng)投，唯獵資本和盛景嘉成跟投的天使輪融資。隨后的2021年3月，深勢(shì)科技完成了由元璟資本領(lǐng)投，清流資本跟投的Pre-A輪融資。
公司官網(wǎng)介紹，深勢(shì)科技成立于2019年，致力于以新一代分子模擬技術(shù)解決微觀尺度工業(yè)設(shè)計(jì)難題，以打造切實(shí)服務(wù)于藥企、材料商和科研機(jī)構(gòu)的模擬研發(fā)平臺(tái)為主要業(yè)務(wù)方向。深勢(shì)科技稱，公司具有強(qiáng)大的科研與產(chǎn)業(yè)落地能力。其新一代分子模擬算法在保持量子力學(xué)精度的基礎(chǔ)上，將分子動(dòng)力學(xué)的計(jì)算速度提升了至少五個(gè)數(shù)量級(jí)，且對(duì)算力的需求與體系的原子數(shù)量呈線性依賴;結(jié)合高性能計(jì)算，能夠?qū)?shù)十億原子規(guī)模的體系進(jìn)行量子力學(xué)精度的計(jì)算模擬。
令人關(guān)注的是，深勢(shì)科技核心團(tuán)隊(duì)由中國(guó)科學(xué)院院士鄂維南(同時(shí)也是深勢(shì)科技董事及首席科學(xué)顧問)等人領(lǐng)銜，主要來自北京大學(xué)、普林斯頓大學(xué)、約翰霍普金斯大學(xué)、復(fù)旦大學(xué)、中科院上海藥物研究所、阿里、百度等世界一流高校、科研機(jī)構(gòu)和企業(yè)，科研隊(duì)伍由物理建模、數(shù)值算法、機(jī)器學(xué)習(xí)、高性能計(jì)算及藥物和材料計(jì)算等多個(gè)領(lǐng)域的數(shù)十名優(yōu)秀青年科學(xué)家構(gòu)成。
該公司聯(lián)合創(chuàng)始人兼首席科學(xué)家為張林峰博士。張林峰由北京大學(xué)元培學(xué)院交叉學(xué)科培養(yǎng)，在普林斯頓大學(xué)博士期間師從應(yīng)用數(shù)學(xué)和化學(xué)系兩位院士，主要研究方向包括統(tǒng)計(jì)物理、分子模擬和機(jī)器學(xué)習(xí)，及其在化學(xué)、生物、材料等方向的應(yīng)用。他通過結(jié)合機(jī)器學(xué)習(xí)、多尺度建模方法、高性能計(jì)算，有效解決了計(jì)算化學(xué)、分子動(dòng)力學(xué)模擬等方向中的一系列關(guān)鍵問題，跨過了很多傳統(tǒng)思路和單一科研視角的局限。
2019年11月19日，美國(guó)計(jì)算機(jī)協(xié)會(huì)ACM公布2020年戈登貝爾獎(jiǎng)的頒獎(jiǎng)結(jié)果，深勢(shì)科技團(tuán)隊(duì)的核心成員即獲得該獎(jiǎng)項(xiàng)，相關(guān)工作也當(dāng)選2020年中國(guó)十大科技進(jìn)展。戈登貝爾獎(jiǎng)素有超算界諾貝爾獎(jiǎng)的美譽(yù)。研究團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)將分子動(dòng)力學(xué)極限從基線提升到了1億原子的驚人數(shù)量，同時(shí)仍保證了從頭算的高精度，效率是之前人類基線水平的1000 倍。
據(jù)介紹，深勢(shì)科技致力于解決的微尺度工業(yè)設(shè)計(jì)，是指通過在電子、原子、分子尺度進(jìn)行組分與結(jié)構(gòu)設(shè)計(jì)，從而實(shí)現(xiàn)特定物理、化學(xué)性質(zhì)的工業(yè)設(shè)計(jì)。很多微觀性質(zhì)預(yù)測(cè)的本質(zhì)需求是精確求解原子間相互作用，描述原子間相互作用的關(guān)鍵物理量是原子間的勢(shì)能面。
對(duì)此，長(zhǎng)期以來人們面臨著精度和效率不可兼得的困局：基于經(jīng)驗(yàn)立場(chǎng)的方法快而不準(zhǔn)，基于量子力學(xué)的方法準(zhǔn)而不快。且傳統(tǒng)的量子力學(xué)模型盡管模擬精度高，但會(huì)隨著模擬規(guī)模的指數(shù)級(jí)增加而陷入“維數(shù)災(zāi)難”，僅能實(shí)現(xiàn)幾十到幾百個(gè)原子體系的建模，難以支撐藥物、材料研究所需的數(shù)萬乃至數(shù)百萬級(jí)原子規(guī)模體系的模擬。
深勢(shì)科技首創(chuàng)革命性的“多尺度建模+機(jī)器學(xué)習(xí)+高性能計(jì)算”新范式，突破性地實(shí)現(xiàn)了多尺度分子模擬中精度與效率的統(tǒng)一，最具代表性的DeePMD方法在保持量子力學(xué)精度的基礎(chǔ)上，將分子動(dòng)力學(xué)的計(jì)算速度提升了令人驚嘆的至少五個(gè)數(shù)量級(jí)。簡(jiǎn)單來說，就是相比于傳統(tǒng)的量子力學(xué)計(jì)算工具，在相同精度前提下，極大地提升了物理方程的求解效率，從而極大地拓展了人類使用計(jì)算機(jī)模擬客觀物理世界的能力。
實(shí)際上，在今年7月的2021世界人工智能大會(huì)全體會(huì)議期間，鄂維南在演講中也闡述過相關(guān)工作。他表示，“我認(rèn)為重要的不是Gordon-Bell Prize(戈登貝爾獎(jiǎng))，而是說我們第一次看到把機(jī)器學(xué)習(xí)、科學(xué)計(jì)算和高性能計(jì)算這三大最主要的工具結(jié)合在一起，我們有多么大的空間可以實(shí)現(xiàn)。”
鄂維南提到，用計(jì)算方法來解決問題已經(jīng)成了一個(gè)很重要的工具，可以說是現(xiàn)代工業(yè)和技術(shù)賴以生存的基礎(chǔ)。但同時(shí)強(qiáng)調(diào)，我們?nèi)匀挥泻芏鄦栴}沒有得到解決，“比方說材料的性質(zhì)與設(shè)計(jì)，分子、藥物的分子與設(shè)計(jì)，這些遠(yuǎn)遠(yuǎn)沒有得到解決，基于基本原理的控制方法也沒得到解決。”造成的結(jié)果則是，“做理論的人、做實(shí)驗(yàn)的人和做實(shí)際場(chǎng)景這三個(gè)團(tuán)體差得非常遠(yuǎn)，理論化學(xué)、實(shí)驗(yàn)室的化學(xué)和實(shí)際工業(yè)應(yīng)用的化學(xué)，這些場(chǎng)景差距很遠(yuǎn)。”
這些問題困難在哪里?鄂維南總結(jié)它們都有一個(gè)共同的根源，就是所謂的“維數(shù)災(zāi)難”，也就是它依賴的變量太多了。“維數(shù)災(zāi)難是什么意思?就是隨著變量的個(gè)數(shù)或者維數(shù)的增加，計(jì)算復(fù)雜度是指數(shù)增加的。從數(shù)學(xué)上來講，它也有一個(gè)基本的困難，也就是多項(xiàng)式在高維不是一個(gè)有效的工具。”
鄂維南提出，能解開這一困局的或許正是深度學(xué)習(xí)。他在現(xiàn)場(chǎng)通過最簡(jiǎn)單的圖像識(shí)別以及公眾熟知的AlphaGo舉例稱，神經(jīng)網(wǎng)絡(luò)可以幫助我們來有效地表示或者是逼近高維空間的函數(shù)，多項(xiàng)式不行，而深度神經(jīng)網(wǎng)絡(luò)是一個(gè)有效的替代品。“所以說在最基本的層面，我們有了一個(gè)全新的非常有效的工具，它帶來的影響是巨大的。”
他當(dāng)時(shí)總結(jié)稱，從科學(xué)的角度來說，機(jī)器學(xué)習(xí)在科學(xué)和科學(xué)計(jì)算領(lǐng)域的應(yīng)用，可以帶來新的計(jì)算方法，新的科學(xué)模型，新的實(shí)驗(yàn)方法，新的產(chǎn)業(yè)業(yè)態(tài)。
記者 賀梨萍
責(zé)任編輯：Rex_01
