8月5日，北京深勢科技有限公司(下稱“深勢科技”)宣布完成數千萬美元A輪融資，由高瓴資本和經緯中國投資，老股東元璟資本跟投。值得一提的是，這是這家資本市場炙手可熱的公司在近一年內連續完成的第三輪融資。
此前的2020年7月，該公司完成了由百度風投領投，唯獵資本和盛景嘉成跟投的天使輪融資。隨后的2021年3月，深勢科技完成了由元璟資本領投，清流資本跟投的Pre-A輪融資。
公司官網介紹，深勢科技成立于2019年，致力于以新一代分子模擬技術解決微觀尺度工業設計難題，以打造切實服務于藥企、材料商和科研機構的模擬研發平臺為主要業務方向。深勢科技稱，公司具有強大的科研與產業落地能力。其新一代分子模擬算法在保持量子力學精度的基礎上，將分子動力學的計算速度提升了至少五個數量級，且對算力的需求與體系的原子數量呈線性依賴;結合高性能計算，能夠對數十億原子規模的體系進行量子力學精度的計算模擬。
令人關注的是，深勢科技核心團隊由中國科學院院士鄂維南(同時也是深勢科技董事及首席科學顧問)等人領銜，主要來自北京大學、普林斯頓大學、約翰霍普金斯大學、復旦大學、中科院上海藥物研究所、阿里、百度等世界一流高校、科研機構和企業，科研隊伍由物理建模、數值算法、機器學習、高性能計算及藥物和材料計算等多個領域的數十名優秀青年科學家構成。
該公司聯合創始人兼首席科學家為張林峰博士。張林峰由北京大學元培學院交叉學科培養，在普林斯頓大學博士期間師從應用數學和化學系兩位院士，主要研究方向包括統計物理、分子模擬和機器學習，及其在化學、生物、材料等方向的應用。他通過結合機器學習、多尺度建模方法、高性能計算，有效解決了計算化學、分子動力學模擬等方向中的一系列關鍵問題，跨過了很多傳統思路和單一科研視角的局限。
2019年11月19日，美國計算機協會ACM公布2020年戈登貝爾獎的頒獎結果，深勢科技團隊的核心成員即獲得該獎項，相關工作也當選2020年中國十大科技進展。戈登貝爾獎素有超算界諾貝爾獎的美譽。研究團隊通過機器學習將分子動力學極限從基線提升到了1億原子的驚人數量，同時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。
據介紹，深勢科技致力于解決的微尺度工業設計，是指通過在電子、原子、分子尺度進行組分與結構設計，從而實現特定物理、化學性質的工業設計。很多微觀性質預測的本質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鍵物理量是原子間的勢能面。
對此，長期以來人們面臨著精度和效率不可兼得的困局：基于經驗立場的方法快而不準，基于量子力學的方法準而不快。且傳統的量子力學模型盡管模擬精度高，但會隨著模擬規模的指數級增加而陷入“維數災難”，僅能實現幾十到幾百個原子體系的建模，難以支撐藥物、材料研究所需的數萬乃至數百萬級原子規模體系的模擬。
深勢科技首創革命性的“多尺度建模+機器學習+高性能計算”新范式，突破性地實現了多尺度分子模擬中精度與效率的統一，最具代表性的DeePMD方法在保持量子力學精度的基礎上，將分子動力學的計算速度提升了令人驚嘆的至少五個數量級。簡單來說，就是相比于傳統的量子力學計算工具，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算機模擬客觀物理世界的能力。
實際上，在今年7月的2021世界人工智能大會全體會議期間，鄂維南在演講中也闡述過相關工作。他表示，“我認為重要的不是Gordon-Bell Prize(戈登貝爾獎)，而是說我們第一次看到把機器學習、科學計算和高性能計算這三大最主要的工具結合在一起，我們有多么大的空間可以實現。”
鄂維南提到，用計算方法來解決問題已經成了一個很重要的工具，可以說是現代工業和技術賴以生存的基礎。但同時強調，我們仍然有很多問題沒有得到解決，“比方說材料的性質與設計，分子、藥物的分子與設計，這些遠遠沒有得到解決，基于基本原理的控制方法也沒得到解決。”造成的結果則是，“做理論的人、做實驗的人和做實際場景這三個團體差得非常遠，理論化學、實驗室的化學和實際工業應用的化學，這些場景差距很遠。”
這些問題困難在哪里?鄂維南總結它們都有一個共同的根源，就是所謂的“維數災難”，也就是它依賴的變量太多了。“維數災難是什么意思?就是隨著變量的個數或者維數的增加，計算復雜度是指數增加的。從數學上來講，它也有一個基本的困難，也就是多項式在高維不是一個有效的工具。”
鄂維南提出，能解開這一困局的或許正是深度學習。他在現場通過最簡單的圖像識別以及公眾熟知的AlphaGo舉例稱，神經網絡可以幫助我們來有效地表示或者是逼近高維空間的函數，多項式不行，而深度神經網絡是一個有效的替代品。“所以說在最基本的層面，我們有了一個全新的非常有效的工具，它帶來的影響是巨大的。”
他當時總結稱，從科學的角度來說，機器學習在科學和科學計算領域的應用，可以帶來新的計算方法，新的科學模型，新的實驗方法，新的產業業態。
記者 賀梨萍
責任編輯：Rex_01
