Broadening access to Skala creates a faster path to predictive DFT
Microsoft Research ha anunciado la expansión del acceso a su innovador enfoque de deep-learning para la teoría del funcional de densidad (DFT), conocido como Skala. La última versión, Skala 1.1, ha sido entrenada con 2.5 veces más datos que su predecesora, lo que ha permitido mejorar significativamente la precisión en simulaciones moleculares clave, como la termoquímica, la cinética de reacciones y la predicción de estructuras moleculares.
Skala ahora está disponible en CP2K y se está integrando en otros programas de estructura electrónica como Psi4, FHI-aims, ORCA y VASP. Esto acerca la precisión de próxima generación de DFT a las comunidades que dependen de estos códigos diariamente. Además, Microsoft Research está introduciendo un punto de referencia dinámico que seguirá el rendimiento computacional de las sucesivas versiones optimizadas de Skala, ayudando a la comunidad a medir y acelerar el progreso hacia una mayor precisión y eficiencia.
Estos desarrollos marcan un hito en el camino hacia un futuro donde las simulaciones de química computacional sean tanto predictivas como accesibles en una amplia gama de flujos de trabajo científicos e industriales relevantes. A diferencia del «zoológico funcional» tradicional, donde se acumulan nuevos funcionales sin reemplazar los anteriores, Skala sigue una filosofía diferente: cada lanzamiento está diseñado para superar al anterior, mejorando el modelo con nuevos datos y estrategias de entrenamiento mientras mantiene el mismo costo computacional práctico.