的最新研究成果——一种可同时基于不同理论级别数据进行训练的通用神经网络势函数OMNI-P1。

medium_1764676598758.jpg

small_1764676598758.jpg

thumbnail_1764676598758.jpg

1764676598758.jpg

当您需要整合不同理论级别（如DFT和耦合簇）的计算数据时，传统方法往往面临挑战。

”策略为此提供了创新解决方案，支持同时使用多级别理论数据进行联合训练，单个模型即可实现不同理论精度的预测目标，有效避免传统迁移学习的多阶段训练复杂度。

medium_1764676622115.jpg

small_1764676622115.jpg

thumbnail_1764676622115.jpg

1764676622115.jpg

与传统的迁移学习相比，一体化学习展现出显著优势。该策略支持在DFT（wB97X-D4/def2-TZVPP）和耦合簇（CCSD(T)/CBS）级别间灵活切换，单次训练即可获得统一模型，无需分阶段训练，且默认以高精度CCSD(T)/CBS级别为预测目标。

以下示例展示如何使用OMNI-P1进行

。通过几行简单代码即可完成从分子结构初始化到优化结果输出的全过程，具体操作如下：

initmol = ml.molecule.from_xyz_file('init.xyz')

omnip1 = ml.methods(method='omnip1', level='cc')

geomopt = ml.optimize_geometry(model=omnip1, initial_molecule=initmol)

final_mol.write_file_with_xyz_coordinates(filename='final.xyz')

在线平台直接运行。当前版本支持

元素体系的计算，为相关领域的研究提供了便利工具。

欢迎随时向我们反馈使用体验，帮助我们持续改进产品！

large_thumbnail_2_04.jpg

medium_thumbnail_2_04.jpg

small_thumbnail_2_04.jpg

thumbnail_thumbnail_2_04.jpg

thumbnail_2_04.jpg

一种可同时基于不同理论级别数据进行训练的通用神经网络势函数OMNI-P1。

Aitomistic动态：通用势函数OMNI-P1上线，支持多理论级统一预测

本周我们将重点介绍Aitomistic支持的

的一项强大功能——帮助您对计算输出数据（如Gaussian计算）进行专业分析。

核心功能：创建交互式分析报告

您可以在Jupyter Notebook中使用MLatom准备分析内容，并将其转换为交互式HTML文件。这样，您将不必局限于静态的PDF文件，而是可以与他人一起协作，在线浏览分子结构、光谱数据，或者提交或补充材料。

在今年发表于《Organic Letters》的

中（Alternating Donor–Acceptor Thienoacenes Featuring Up to 23 Linearly Fused Rings，Org. Lett. 2025, 27, 14, 3753–3759），我们使用AIQM2方法的UAIQM扩展，在32个CPU上仅用88分钟就完成了包含23个稠环共714个原子的给受体噻吩并苯分子结构优化。

medium_8a17c02a-cca7-40fe-acfd-8756a9d91fc9.png

small_8a17c02a-cca7-40fe-acfd-8756a9d91fc9.png

thumbnail_8a17c02a-cca7-40fe-acfd-8756a9d91fc9.png

8a17c02a-cca7-40fe-acfd-8756a9d91fc9.png

相比DFT方法，这一方法的计算效率令人印象深刻！该非共价复合物具中的多个柔性烷基链结构也与晶体结构的高度吻合。在这项研究中，我们还使用Gaussian对较小的模型体系进行了TD-DFT计算，从而完成了全面的理论分析。

通过一行简单代码即可加载Gaussian输出文件：

mol = ml.molecule.load('myfile.log', format='gaussian')

为您提供了一种简单方法，将Gaussian计算结果转换为 MLatom可读的数据库格式，便于后续用于训练机器学习模型。

在Jupyter Notebook中可快速进行数据分析，例如，您可以通过运行mol.view()命令查看分子结构。

) 作为模板。它展示了如何生成计算摘要，包括列出能量、热化学性质、虚频数目等。

medium_61b0f42f-8f2b-4148-b65a-14a4bb6d3a81.png

small_61b0f42f-8f2b-4148-b65a-14a4bb6d3a81.png

thumbnail_61b0f42f-8f2b-4148-b65a-14a4bb6d3a81.png

61b0f42f-8f2b-4148-b65a-14a4bb6d3a81.png

在紫外/可见吸收光谱分析方面，您可以使用MLatom内置函数（如ml.spectra.plot_uvvis）绘制光谱，并与实验光谱进行比较，相关函数支持光谱对齐和线状谱绘制。示例中也提供了如何列出激发态信息及其特性以生成支持信息表格的方法。

large_dc0b7f92-4e2e-47a7-b56c-d339ceaec121.png

medium_dc0b7f92-4e2e-47a7-b56c-d339ceaec121.png

small_dc0b7f92-4e2e-47a7-b56c-d339ceaec121.png

thumbnail_dc0b7f92-4e2e-47a7-b56c-d339ceaec121.png

dc0b7f92-4e2e-47a7-b56c-d339ceaec121.png

的Jupyter Lab环境中直接体验这些功能。欢迎随时向我们反馈使用体验，帮助我们持续改进产品！

本周我们将重点介绍Aitomistic支持的开源软件MLatom的一项强大功能——帮助您对计算输出数据（如Gaussian计算）进行专业分析。

Aitomistic动态：MLatom分析工具详解，让计算分析更高效！

新的一周，Aitomistic带来一系列扎实的更新，主要集中在新发布的

中，包含两大计算功能增强、一篇新鲜出炉的

，以及给Premium用户的专属福利预告。

新功能：锥形交叉点优化正式上线！

期待已久的功能来了！从MLatom 3.19.1开始，你可以直接使用新实现的锥形交叉点优化功能，计算势能面圆锥交叉点结构。

这项由Mikolaj实现的功能，采用了经典的惩罚-约束方法，其核心思路很巧妙：通过优化分子结构来最小化两个电子态的平均能量，同时通过惩罚函数缩小他们的能隙，避免了非绝热耦合的计算。这在无法直接获得非绝热耦合的研究场景中非常实用。该方法已在我们的

large_1763558980111.jpg

medium_1763558980111.jpg

small_1763558980111.jpg

thumbnail_1763558980111.jpg

1763558980111.jpg

您可以在Aitomistic Hub上直接运行，案例包括用预训练MS-ANI模型优化富烯，以及用半经验ODM2方法优化环己二烯。现在，优化锥形交叉点只需一行简单的代码：

ml.ci_opt(molecule=fulvene, model=mlmodel)

模拟引擎升级：Langevin恒温器现已支持

分子动力学模拟引擎迎来重要更新，新增对

的支持。您可以通过简单的参数设置即可在模拟中使用该恒温器，使模拟条件更贴近真实物理环境。

Langevin = ml.md.Langevin_thermostat(temperature=300,molecule=init_mol,tau=0.001)

前沿速报：主动学习新论文发表

上周二，《J Chem. Theory Comput.》杂志发表了一项基于MLatom进行主动学习的合作研究 ！该工作开发了名为MELTS的程序，成功将Newton-X与MLatom对接，实现了全自动的主动学习流程，用以加速机器学习驱动的最少面跳跃动力学模拟。这对Newton-X用户群体来说是个好消息！

medium_1763559306232.jpg

small_1763559306232.jpg

thumbnail_1763559306232.jpg

1763559306232.jpg

论文信息：Matheus de Oliveira Bispo et al. "

 我们整理了相关视频和论文资源，涵盖

专属福利预告：Premium用户功能抢先看

Premium用户将优先体验以下重磅升级：

进行针对性微调，助力您获得更精确的UV/vis光谱预测结果

：开放AIQM系列模型的定制化微调，满足您的特定科研需求

持续更新，配套在线研讨会助您深度掌握

：增加AI智能体的调用配额，支持更大规模的自主模拟任务

：为您提供更充裕的计算时长，保障研究顺利进行

以及Pavlo Dral教授的个人账号，以观看更多视频内容。我们始终致力于提升Aitomistic的用户使用体验。如有建议，可发送邮件至contact@aitomistic.com，也可加入我们的用户QQ交流群与我们直接联系！

新的一周，Aitomistic带来一系列扎实的更新，主要集中在新发布的开源MLatom 3.19.1中，包含两大计算功能增强、一篇新鲜出炉的研究论文，以及给Premium用户的专属福利预告。

Aitomistic动态：锥形交叉点优化上线、支持Langevin恒温器，还有主动学习新成果！

新的一周，我们为大家带来了一系列重磅更新和新鲜资源，涵盖计算功能、核心方法和前沿研究，希望能为您的科研工作添砖加瓦。

核心功能升级：IRC计算上线啦！

许多用户使用Aitomistic的AIQM2等方法进行过渡态计算。找到过渡态之后，下一步自然是进行IRC计算来确认反应路径。过去，这需要依赖本地软件，但现在好消息来了！

我们正式上线了IRC在线计算功能（在开源软件MLatom中也已上线）！现在只需短短几行输入或Python脚本就能轻松调用，还配备了强大的绘图和分析工具。欢迎查看

方法库更新：更强力的AIQM3已就位

我们的方法库也迎来了重要更新——AIQM3正式发布！作为AIQM2的升级版，AIQM3在保持高精度的同时，扩展了对

元素的支持，目标直指耦合簇级别的精度。此外，新版本还包含了对新版PyTorch等支持优化。你可以像往常一样，在平台中直接选择AIQM3进行计算，或者让AI助手Aitomia帮你调用它。查看

large_1763040362474.jpg

medium_1763040362474.jpg

small_1763040362474.jpg

thumbnail_1763040362474.jpg

1763040362474.jpg

前沿速报：机器学习预测非绝热耦合矢量新论文发表！

在理论方法前沿，我们也有新成果。上周一，团队在《J. Phys Chem. Lett.》上发表了一篇利用机器学习方法精确预测非绝热耦合矢量（NACs）的研究论文。

small_1763040449203.jpg

thumbnail_1763040449203.jpg

1763040449203.jpg

这项工作提出了一种基于物理描述符的新方法，在MLatom中实现了基于ML-NACs的全机器学习（ML）、全量子化学（QM）和机器学习/量子化学混合（ML/QM）的最少面跳跃（FSSH）非绝热动力学模拟。这项成果对高精度加速光化学反应模拟至关重要。这项工作的第一作者是捷克科学院博士生Jakub，通讯作者是捷克科学院的Jiri Pittner教授、法国艾克斯-马赛大学的Marial Barbatti教授和厦门大学的Pavlo Dral教授。

Jakub Martinka, Lina Zhang, Yi-Fan Hou, Mikotaj Martyka, Jiří Pittner, Mario Barbatti, 

，深入了解方法细节，干货满满。

资源推荐：机器学习在分子动力学中的应用

如果你想深入学习如何在Aitomistic Hub & Lab上开展机器学习分子动力学研究，千万别错过Pavlo Dral教授主讲的

。讲座内容非常扎实，既涵盖了当前机器学习势函数的常见陷阱与前沿进展（包括通用模型与微调），也介绍了一种颠覆性的新思路——

直接在四维时空中学习分子动力学轨迹

我们持续优化Hub & Lab的用户体验。大幅简化了文件和文件夹的操作（如复制、粘贴、重命名等），让作业管理更加便捷。

thumbnail_1763040657624.jpg

1763040657624.jpg

如果在使用中遇到任何卡点，非常欢迎随时反馈，用户的意见是我们改进的最大动力。

在接下来的几周内，我们将推出多项重大升级，包括：改进的AI智能体、锥形交叉点优化、用于激发态模拟的升级版OMNI-P2x模型，以及关于UV/vis光谱模拟和NAMD微调的教程等。敬请期待！

，以观看更多视频内容。我们始终致力于提升Aitomistic的用户使用体验。如有建议，可发送邮件至contact@aitomistic.com，也可加入我们的用户QQ交流群与我们直接联系！

Aitomistic动态：IRC计算上线，AIQM3发布，还有ML前沿论文与讲座！

AI自主完成计算化学任务已不再是遥不可及的梦想，而是正在发生的现实。很快，大多数此类计算都将由AI完成。

large_Weixin Image_20250821122627.png

medium_Weixin Image_20250821122627.png

small_Weixin Image_20250821122627.png

thumbnail_Weixin Image_20250821122627.png

Weixin Image_20250821122627.png

在我们的演示案例中，用户只需在Aitomistic Hub平台上向Aitomia发出指令，要求计算乙烯与1,3-丁二烯发生Diels-Alder反应的反应能量和热力学数据。令人称奇的是，Aitomia无需任何反应物或产物的初始坐标信息，就能从零开始完成全部计算。

large_Weixin Image_20250821122619.png

medium_Weixin Image_20250821122619.png

small_Weixin Image_20250821122619.png

thumbnail_Weixin Image_20250821122619.png

Weixin Image_20250821122619.png

仅用单个CPU、耗时5分钟，Aitomia就通过我们最先进的AIQM2模型，输出了精确的分子构型和能量计算结果。而同样的任务，我们的专业团队成员需要手动设置所有相关物质的初始xyz文件，进行数据分析和计算，耗时超过20分钟——虽然结果相同，但人力成本高出许多。

这种能处理日益复杂化学模拟的“深度思考”模式，已在Aitomistic Hub平台（https://aitomistic.xyz）面向特定用户开放。更简单的单任务工作流（如单分子的热化学和光谱计算）自2025年5月11日起已向所有注册用户免费开放。

这种能处理日益复杂化学模拟的“深度思考”模式，已在Aitomistic Hub平台面向特定用户开放。

Aitomia：5分钟实现全自动反应模拟计算

small_1755612058503.jpg

thumbnail_1755612058503.jpg

1755612058503.jpg

不久前发表在Chem. Sci.上（曾出现在

里！）。这一机器学习方法凭借着低成本、媲美传统方案的精度以及卓越的稳健性，在有机反应模拟上超越了主流DFT方法。该方法可用于过渡态结构搜索和反应动力学研究，并且常常能达到化学精度。AIQM2也是我们原子模拟平台

上最常用的方法之一（Aitomistic Hub集成了智能助手

，并且可以直接通过浏览器进行在线原子模拟）。

AIQM2的精度与DFT方法相当，在某些情况下甚至能接近金标准的耦合簇精度。而其运算速度比DFT快几个数量级——例如对典型周环反应进行1000次分子动力学模拟，DFT需要耗费160个CPU年，而AIQM2仅需一夜即可完成。更重要的是，AIQM2能为预测结果提供误差范围，这一特性让研究者能直观评估模拟结果的可靠性。相比之下，传统DFT方法缺乏此类误差指示，必须通过与更高精度的参考数据对比，才能确定模拟结果的准确性。

small_1755612072429.jpg

thumbnail_1755612072429.jpg

1755612072429.jpg

（delta-learning）方法，通过用一组神经网络对流行的半经验量子力学方法GFN2-xTB（更准确地说，是其修改版本）的预测结果进行校正。这种设计能够在多数情况下将GFN2-xTB的精度提升至接近耦合簇水平，同时也保留半经验方法固有的稳健性。由于计算成本过高，直接采用耦合簇精度的模拟往往难以实现。当前日益流行的纯机器学习势能面方法虽具普适性，但应用于远离训练集的场景时，存在明显的稳健性问题。AIQM2将快速的半经验方法与神经网络相结合，其预测速度远超传统DFT方法。并且我们的基准测试表明，其精度与DFT相当甚至在某些情况下更优。

无需我们多言——正如我们论文的一位审稿人所评价的：

“在实际使用和测试多种主流机器学习势能面方法（MLPs）后，

相较于其他MLPs展现出更优异的普适性和可靠性。

特别值得注意的是，尽管不同研究团队已开发出若干通用型MLPs，但除了最新发布的AIMNet2和AIQM2外，几乎所有方法都难以应用于反应过程及过渡态结构研究。AIQM系列对过渡态性质的预测表现尤为突出。”

审稿人提到的AIQM1是AIQM系列的第一代方法（虽然

），正是这一局限性促使我们开发了AIQM2来改进这个问题。

这种集快速、精确与稳健于一体的独特优势，使我们能够通过大规模下坡准经典轨迹模拟，修正一些代表性反应中的过渡态后产物分布。这些代表性反应先前由该领域的专家

thumbnail_p6.gif

p6.gif

small_1755612096869.jpg

thumbnail_1755612096869.jpg

1755612096869.jpg

我们发现，与DFT方法相比，AIQM2在能垒和反应能计算上误差显著降低：AIQM2相对于耦合簇基准的误差控制在2 kcal/mol以内，而DFT对极小值点的误差高达约10 kcal/mol。GFN2-xTB表现更差，误差约25 kcal/mol，甚至未能找到其中的一个过渡态。这一结果表明，当前广泛采用的组合方法，即先用低精度方法进行初步反应或构象搜索，再用高精度方法验证，可能会遗漏许多关键结构。而AIQM2无需这种分步探索，可直接提供高质量的计算结果。

此外，AIQM2的高效计算能力，使我们能够通过增加轨迹数量（从原JACS研究中的约100条提升至1000条）和使用更小的时间步长（从原JACS研究的1.0 fs减小至0.1fs）来提升模拟精度。这对确保总能量守恒至关重要。

small_1755612111577.jpg

thumbnail_1755612111577.jpg

1755612111577.jpg

如果您需要更全面的基准测试数据，我们在论文中提供了详细分析。下图展示了反应能垒的对比结果：

small_1755612121195.jpg

thumbnail_1755612121195.jpg

1755612121195.jpg

AIQM2在由CHNO元素组成的中性闭壳层有机分子体系中表现优异，同时也可适用于带电体系和自由基。该方法已通过

）扩展至更多元素体系，其中AIQM2对应的模型版本为UAIQMGFN2xTB*@cc（20240106版）。事实上，该模型自2024年1月6日就已存在，直至近期才正式发表。从该综述可知，还有更多已完成开发的模型正待发表。

，以及其他分子性质的预测，比如

large__ ChemSci-social-media.jpg

medium__ ChemSci-social-media.jpg

small__ ChemSci-social-media.jpg

thumbnail__ ChemSci-social-media.jpg

_ ChemSci-social-media.jpg

该方法可用于过渡态结构搜索和反应动力学研究，并且常常能达到化学精度。

Chem. Sci.: AIQM2-超越DFT的有机反应模拟

动态课程将由活跃在国际学术前沿的权威专家讲授。课程内容将根据人工智能、原子模拟和计算化学领域的最新进展保持动态更新，助您掌握前沿技术与动态。您可以自由安排学习进度，随时获取前沿知识（本课程内容为英文）。

large_Online Course_03.jpg

medium_Online Course_03.jpg

small_Online Course_03.jpg

thumbnail_Online Course_03.jpg

Online Course_03.jpg

：团队将全力解答用户提问，回复时间、内容数量等服务细则将在后续推出。

高级订阅用户名额限量开放，立即预约抢占资格。

本课程现已开放预注册！课程将在预注册人数达到预期后正式启动。此课程为付费内容，具体费用请参见定价详情。

large_1755608886533.jpg

medium_1755608886533.jpg

small_1755608886533.jpg

thumbnail_1755608886533.jpg

1755608886533.jpg

如何预注册？三步轻松完成预注册：

2. 📂 进入课程：点击左侧导航栏「课程图标」。

medium_1755609014114.jpg

small_1755609014114.jpg

thumbnail_1755609014114.jpg

1755609014114.jpg

课程将在预注册人数达到预期后正式启动。

新闻

Aitomistic动态：通用势函数OMNI-P1上线，支持多理论级统一预测

Aitomistic动态：MLatom分析工具详解，让计算分析更高效！

Aitomistic动态：锥形交叉点优化上线、支持Langevin恒温器，还有主动学习新成果！

Aitomistic动态：IRC计算上线，AIQM3发布，还有ML前沿论文与讲座！

Aitomia：5分钟实现全自动反应模拟计算

Chem. Sci.: AIQM2-超越DFT的有机反应模拟

Aitomistic计算化学动态课程：开放预注册！

JPCA：基于AIQM的高精度、低成本红外光谱模拟

计算化学与人工智能课程：限时对学术用户免费开放！

Aitomia：人工智能驱动的原子和量子化学模拟的智能助手

新闻

Aitomistic动态：通用势函数OMNI-P1上线，支持多理论级统一预测

Aitomistic动态：MLatom分析工具详解，让计算分析更高效！

Aitomistic动态：锥形交叉点优化上线、支持Langevin恒温器，还有主动学习新成果！

Aitomistic动态：IRC计算上线，AIQM3发布，还有ML前沿论文与讲座！

Aitomia：5分钟实现全自动反应模拟计算

Chem. Sci.: AIQM2-超越DFT的有机反应模拟

Aitomistic计算化学动态课程​：开放预注册​​！

JPCA：基于AIQM的高精度、低成本红外光谱模拟

计算化学与人工智能课程：限时对学术用户免费开放！

Aitomia：人工智能驱动的原子和量子化学模拟的智能助手

Aitomistic计算化学动态课程：开放预注册！