【儀表網(wǎng) 研發(fā)快訊】近日，上?？萍即髮W物質(zhì)科學與技術學院胡培君教授團隊在人工智能驅(qū)動的材料科學領域取得重要進展。團隊自主研發(fā)的機器學習原子間勢函數(shù)模型TACE (Tensor Atomic Cluster Expansion)展現(xiàn)出卓越性能，入選全球權威機器學習材料發(fā)現(xiàn)榜單 Matbench Discovery 。
 

　　截至2026年1月6日，TACE 的通用大模型版本(TACE-v1-OAM-M)在 Matbench Discovery 排行榜上綜合排名位居全球第六，成功超越了眾多傳統(tǒng)架構，成為該榜單上排名第一的笛卡爾(Cartesian-based)架構模型，同時也位列 ACE(Atomic Cluster Expansion)類模型之首。

 

　　TACE 框架創(chuàng)新性地引入了不可約笛卡爾張量(Irreducible Cartesian Tensor, ICT)理論。Matbench Discovery 的評測結果證實，TACE 能夠以更精簡的模型體量，實現(xiàn)與甚至超越大規(guī)模球諧模型(如MACE，GRACE，Allegro)的預測精度和表達能力。同時，TACE框架深度結合了團隊自主研發(fā)專注于多相催化反應體系的 REICO(Nat Catal 8, 891–904 (2025))數(shù)據(jù)集構建策略，這一“數(shù)據(jù)-模型”的雙重創(chuàng)新，為催化劑的理性設計和復雜反應機理的解析提供了強有力的計算引擎 。
 

　　該模型由胡培君課題組訪問生許澤民訓練，上?？萍即髮W物質(zhì)學院助理研究員謝聞博和胡培君教授指導完成。