“遵循思想自由的原则，采纳兼容并蓄的教义”，无论是100年前还是100年后。
从北京大学的元培到普林斯顿，再次回到中国的张有了新的身份。作为神石科技的联合创始人兼首席科学家，他和一群志同道合的伙伴，正在用“多尺度建模+机器学习+高性能计算”的新范式解决微观尺度的工业设计问题。作为一个典型的涉及前沿交叉学科的企业，张在介绍公司时总觉得三言两语难以解释清楚，所以总是乐于提及“因为共同的热情和理想”而聚集起来的新开源社区——深度建模。
DeepModeling开源社区始于张学生时代做的“深势分子动力学”开源项目DeePMD-kit。“开源”的意思是“开放源代码”，也就是用户可以互相修改和学习对方的源代码。开源模式在计算机和电子工业的历史上已经实现很久了。DeepModeling借鉴了科学计算领域的这一思想，共享了基础代码、算法、架构等。根据开源协议。通过社群内的群体智能协作，高门槛、高壁垒的不同学科相互碰撞、交叉合作，打通了研究盲区，为传统科学研究带来了新的研究范式。
“科学计算和物理模拟将是人工智能的下一个非常重要的战场。在这样的大场景下，开源将是我们注定要选择的模式。”张在WAVE SUMMIT 2021深度学习开发者峰会论坛上分享分子动力学与飞桨深度学习平台的融合创新时，提出了自己的观点。
事实上，当AI技术，尤其是深度学习，为前沿领域那些通过计算解决的问题打开了新的“窗口”时，复杂的问题往往会有更有效的解决方案。
神石科技所做的，正是围绕所有涉及微观世界的“分子动力学”，进行智能的、有价值的计算。比如求解物理模型，或者模拟化学反应中的底层分子动力学或者电子结构。面对这些具有多重元素和特征的复杂计算，深度学习自然可以发挥其系统优势。
张解释说:“你可以用底层的分子动力学作为例子。例如，当我们需要描述一个原子之间发生复杂相互作用的化学反应时，要么之前用更复杂、更昂贵的量子力学计算来解决，要么我们简单地凭经验拍脑袋猜测会发生什么。但这个问题一旦翻译成深度学习的语言，就变成了‘输入原子位置’，然后‘求解原子间的相互作用结果’，这就是势能面。充分考虑物理限制的深度学习模型比传统手段更高效、更准确。”
“因为深度学习具有很强的特征表达能力，能够准确提取和表达原子间相互作用的特征，不断完善自己。深度学习可以说是有望解决在求解不同尺度的物理模型中所谓的‘维度灾难问题’，用深度神经网络智能地表达过去人们认为非常复杂、难以表达的函数，让人类更容易理解物理微观世界中发生的事情，从而更好地理解和规划我们看到的化学现象和物理现象。”由此，航空空、航天、气候、能源、材料、安全、天文、医学等领域的变革。一定会发生。比如更高效、更安全的电动智能汽车电池设计，更快速、更安全的医疗免疫新药研发等。似乎就在眼前。
作为一款深度学习框架Feioar，有着深厚的开源文化，技术上足够灵活，扩展能力也很强，能与神石科技“走到一起”也就不足为奇了。不久前，飞桨已经与DeepModeling开源社区的开发者就深势分子动力学开源项目进行了跨领域的深入合作。依托飞桨框架成熟的底层功能和动静合一的开发经验，开发人员实现了深势能分子动力学模型的构建和运行。此次合作促进了双方在开发者生态上的双向融合，拓展了DeePMD-kit原有的能力边界，增强了本地化硬件和大规模分布式训练的能力，为Feipaddle支持的科学计算开源项目增加了一个重量级人物。
今年5月20日，在WAVE SUMMIT 2021深度学习开发者峰会上，再次发布了飞桨的整体升级，正式发布了飞桨框架2.1版本。其中，自动混合精度、动态图、高级API等。都进行了优化和增强，尤其是用户自定义操作符的功能全面升级，不仅做了更好的封装，还开放了训练和部署，把它变成了飞桨的API之一。整体上降低了开发者自定义操作符的学习和开发成本，大大提高了开发灵活性，也为未来更多的跨界飞桨带来了巨大的想象空空间。不同学科的开发者可以方便地使用飞桨进行开发，产业应用将从成熟的AI产业延伸到生物、物理、化学等大科学领域，助力前沿科学研究。
作为“AI时代的操作系统”和大脑的技术基础，飞桨一直坚持开源路线，保持对构建繁荣开源生态的投入。截至目前，飞桨生态已凝聚超过320万开发者，服务12万家企业，覆盖农业、工业、林业、民生、通信、电力、公益、城管等数十个行业，创造了36万个模型。
开源的精神内涵不仅是技术发展领域的合作机制，更是驱动技术创新、加速产业发展的核心动能。正如DeepModeling在开源社区宣言中写的:以开源社区的形式协同开发，会让大家的工作更加高效、及时、可靠、透明。这种紧密合作、相互成就的精神也将激励越来越多的人推动计算的发展，造福人类社会。这是一个激动人心的机会，也是科学计算的未来。其实这大概就是未来。
登录github或gitee搜索DeepModeling访问社区。
深度建模开源社区:https://github.com/deepmodeling
