Microsoft Research ha lanzado Skala-1.1, un modelo de teoría del funcional de la densidad (DFT) basado en aprendizaje profundo entrenado con 2,5 veces más datos que su predecesor, logrando un error promedio ponderado de 2,8 kcal/mol en el benchmark GMTKN55. La empresa está ampliando simultáneamente el acceso al hacer Skala disponible en CP2K e integrarlo en Psi4, FHI-aims, ORCA y VASP.

  • Skala-1.1 ocupa el primer lugar en 32 de las 55 categorías del benchmark GMTKN55, superando a los funcionales híbridos globales líderes mientras mantiene la eficiencia de los funcionales semilocales.
  • El modelo utiliza datos ampliados de Microsoft Research Accurate Chemistry Collection (MSR-ACC), incluidas nuevas afinidades electrónicas y clústeres no covalentes.
  • Se introduce un benchmark en vivo para rastrear el rendimiento computacional a través de las sucesivas versiones de Skala en varios paquetes de software y plataformas de hardware.

Estos desarrollos tienen como objetivo proporcionar precisión predictiva de DFT a bajo costo computacional y acelerar los avances hacia la integración de simulaciones avanzadas en flujos de trabajo científicos e industriales.