🎯 情报来源：Microsoft Research Blog – Microsoft Research
微软研究团队在计算化学领域取得重大进展，通过结合深度学习和大规模数据生成技术，成功开发出一种新的交换-相关（XC）泛函“Skala”，大幅提升了密度泛函理论（DFT）的预测精度。Skala的预测误差达到了化学精度（约1 kcal/mol），首次实现了与实验结果高度一致的计算模拟。
这一成果解决了困扰科学界60年的核心难题——即如何准确建模电子密度以捕捉分子和材料的复杂行为。该模型的数据集规模比以往扩大了两个数量级，并通过Azure的强大算力支持完成训练。
核心要点：
- Skala的预测精度达到化学精度，误差为1 kcal/mol，优于现有泛函3到30倍。
- 训练数据集包含超过150,000个高精度能量差值，规模是之前工作的100倍。
- Skala的计算成本仅为传统混合泛函的10%，且可扩展至1,000个以上占据轨道的系统。
- 微软推出DFT研究早期访问计划（DFT REAP），并与Flagship Pioneering等机构合作推动应用。
📌 情报分析
技术价值：极高
Skala通过深度学习直接从数据中学习电子密度特征，绕过了传统方法对复杂手工设计特征的依赖，同时保持了DFT原有的计算效率。其1 kcal/mol的误差水平满足了实际应用的需求。
商业价值：高
该技术显著降低了药物研发、电池设计和绿色肥料开发等领域的实验成本，使计算模拟成为主要研究手段。Merck等企业已表示期待将其应用于数字化学工作流。
趋势预测：
未来6-12个月内，随着更多行业参与DFT REAP计划，预计Skala将在制药、能源存储和材料科学等领域实现初步商业化应用，并进一步扩展至更广泛的化学空间。