我室Pavlo O. Dral教授带领研究团队开发了4D时空GICnet模型，该模型可以将分子的原子坐标作为时间的连续函数进行预测，证实了4D时空原子AI模型概念的可行性，与需要逐步传播的传统分子动力学有根本性的算法上的区别，可以大大提高分子动力学的速度。该成果以“Four-Dimensional-Spacetime Atomistic Artificial Intelligence Models”为题，发表在The Journal of Physical Chemistry Letters上。

分子始终在运动，模拟其时间相关的动态行为是很重要的。但是，精确的动力学是一项非常耗费资源的工作，通常需要进行许多近似处理。其中最常用的近似之一是分子动力学，它计算在一个非常小的时间步长内原子的移动量，然后重复这个过程多次，直到达到所需的时间。这些步骤中的每一步都需要评估作用在原子上的力。问题在于计算力并不是一个简单的任务，但现在通常使用所谓的机器学习原子间势来加速。然而，这种机器学习方法仍然不能避免使用离散时间步长运行缓慢的连续算法。

该工作提出的GICnet模型可以将分子的原子坐标作为时间的连续函数进行预测，证实了4D时空原子AI模型概念的可行性，它可以比传统的MD算法（即使已经用机器学习原子间势加速过）更快地获得分子轨迹，并且支持并行预测不同的时间步，同时也允许快速计算可以从MD轨迹中推导出的性质。除此之外，它可以提供更多的科学见解，例如深入了解耦合的核运动。开源 MLatom 中提供了该工作提出的模型， MLatom@XACS 云则支持在线运行模拟。

该工作得到国家自然科学基金青年科学基金项目（批准号22003051）、国家自然科学基金优秀青年科学基金项目（海外，2021年）、中央高校科研启动经费（批准号：20720210092）和固体表面物理化学国家重点实验室自主研究项目（2019年起）的资助，同时得到嘉庚创新实验室（福建能源材料科学与技术创新实验室（IKKEM））科技项目（批准号：RD2022070103）的支持。

论文链接：https://doi.org/10.1021/acs.jpclett.3c01592