微软研究院发布了Skala-1.1，这是一种深度学习密度泛函理论（DFT）模型，其训练数据量是前代的2.5倍，在GMTKN55基准测试中实现了2.8 kcal/mol的加权平均误差。该公司同时通过使Skala可在CP2K中使用，并将其集成到Psi4、FHI-aims、ORCA和VASP中来扩大访问范围。

  • Skala-1.1在GMTKN55基准测试的55个类别中的32个类别中排名第一，在保持局部泛函效率的同时优于领先的全球混合泛函。
  • 该模型利用了扩展的微软研究院精确化学集合（MSR-ACC）数据，包括新的电子亲和力和非共价簇。
  • 引入了活体基准测试，以跟踪在不同软件包和硬件平台上连续Skala版本上的计算性能。

这些发展旨在以较低的计算成本提供预测性DFT精度，并加速将高级模拟集成到科学和工业工作流中的进展。