微软 Skala 泛函上线 CP2K：CASUS 确认精度跃升、效率保持

微软研究院 AI for Science 开发的 AI 交换关联泛函 Skala，现已通过开源计算化学软件 CP2K 开放使用，研究者可以在 CP2K 中对更大的分子体系做量子力学模拟，并获得更高精度。微软研究院在官方博客（8 月 20 日）与HZDR 旗下 CASUS 的新闻稿（8 月 21 日）先后宣布此事，The Quantum Insider 于 8 月 24 日报道了相关进展。

支撑"更高精度"的最具体数字来自 CASUS 与微软团队 8 月 19 日发布的联合预印本：在 dietGMTKN55 基准上，CP2K 中 Skala-1.1 实现的聚合平均绝对偏差（MAD）为 1.255 kcal/mol，与 Skala 参考值 1.235 kcal/mol 只差 0.020 kcal/mol。微软博客补充的跨代码一致性检验显示，CP2K 与 PySCF 两种实现之间的 MAD 差在 0.1 kcal/mol 以内。CASUS 主任 Thomas D. Kühne 说，CASUS 是"微软之外第一个确认 Skala 收益的团队"。

Skala 模型计算出的苯分子交换关联（XC）能量密度：内环是六个碳原子，外环是六个氢原子，能量密度最高的环状区域集中在碳原子周围（图片来源：F. Pöschel/CASUS，EurekAlert!）。

微软之外第一个确认收益的团队

按新闻稿的说法，微软研究院与 CASUS 的 CP2K 团队于 2026 年初启动集成工作；当年春天，微软研究院在一个会议上预告了这次集成，此后社区"定期来问进度"。CASUS 科学计算核心（Scientific Computing Core）的首席作者 Franz Pöschel 回忆："虽然我们对这种关注感到高兴，但也感到了交付的压力。"

8 月中旬，双方公布了首批合作结果。Pöschel 说："我可以确认，在我们这个具体测试案例中，Skala 让模拟精度有了明显的跃升（a noticeable leap in the accuracy）。"预印本作者来自 CASUS 与 HZDR（Pöschel、Johann Pototschnig、Frederick Stein、Andreas Knüpfer）、微软研究院 AI for Science（Thijs Vogels、Stefano Battaglia、Sebastian Ehlert）以及苏黎世大学（Jürg Hutter），Kühne 为通讯作者。

Kühne 解释 CASUS 接这个项目的原因："微软研究院 2025 年展示的结果令人印象深刻，尤其是某些 DFT 计算中精度与计算效率的结合。我们看到了在 CP2K 里评估这一方法、理解它对我们社区相关问题适用性的机会。"

神经网络怎么让电子密度"互相影响"

密度泛函理论（DFT）在 1998 年获得诺贝尔奖，是许多模拟应用的基石。Kühne 对它的核心短板有一句直白概括："DFT 的'阿喀琉斯之踵'是所谓的交换关联泛函（exchange-correlation functional）。"近年来为 DFT 开发的交换关联泛函越来越精细，但最精确的那些计算量太大，只能用于粒子数很少的体系。

Skala 换了个做法：训练一个神经网络去学习"不同区域的电子密度如何相互影响"，而不是再引入一层数学公式。新闻稿称，这使它成为最早可用的 AI 交换关联泛函之一。

预印本把机制写得更具体：Skala 是一个学习的增强因子泛函（learned enhancement-factor functional），输入是 meta-GGA 式的局域特征——自旋密度、密度梯度、动能密度——但最终的增强因子并非局域量：原子分区的网格消息会把不同积分点的信息耦合起来，再生成增强因子。

Skala 也在持续迭代。微软博客称，Skala 1.1 的训练数据是第一版公开版的 2.5 倍，在 GMTKN55 基准（55 个化学问题类别）上取得 2.8 kcal/mol 的加权平均误差，并在其中 32 个类别排名第一，超过当下最好的全局（range-separated）混合泛函。

微软把这种"每个新版本取代旧版本"的做法，与传统"泛函动物园"（functional zoo）式的积累区分开。

密度矩阵进 GauXC，能量、势和力回 CP2K

集成工作的技术核心是接口。按预印本的描述，CP2K 向外部库 GauXC 提供几何、高斯基组、自旋分辨的原子轨道密度矩阵和 MPI 通信子；GauXC 负责构建分子积分网格、评估 XC 能量、原子轨道势矩阵以及可用的核导数，再返回 CP2K。

接口同时接受全电子和价电子密度矩阵——后者来自 GTH 赝势或分子有效芯势（ECP），这让 def2 基组下的重元素计算也能走同一条路径。

验证分两步。先用 Perdew–Burke–Ernzerhof（PBE）泛函把经 GauXC 的路径与 CP2K 原生实现对比，把实现误差与泛函本身的差异隔离开；再对 Skala 做有限差分能量检查、力验证和分子 virial 诊断。

微软博客补充说，双方为 Skala 建了一套集成测试（integration tests），确保"在不同程序与设置下，Skala 的精度和速度保持一致"，并给出数字正确的结果。

微软研究院 AI for Science 高级研究员 Sebastian Ehlert 解释为什么优先选 CP2K："要提高采用率，Skala 应该出现在社区已经工作的地方。CP2K 多年来一直是计算化学研究的基石，自然是集成的优先对象。"

混合泛函的精度，meta-GGA 的价格

微软给 Skala 的定位是：精度对标最贵的全局混合泛函，成本按半局域泛函计。预印本引言中的表述是，Skala 在主族化学上达到与先进混合泛函相当的精度，成本更接近半局域 DFT。

Skala 1.1 与 r2SCAN、B3LYP、M06-2X 在 A100 GPU 与 CPU 上的 SCF 迭代耗时对比（图片来源：Microsoft Research 博客）。

微软博客给出的实测是：在 GPU 上，Skala 1.1 的成本与 r2SCAN 相同，体系超过约 1000 个轨道后，混合泛函反而更贵；在 CPU 上，Skala 对小体系有一定开销，分子超过 20-30 个原子后开销消失。

为了跟踪性能随版本的变化，微软还发布了"活的性能报告"（living performance report）和基准测试工具，供各软件包开发者验证自己的 Skala 实现。

能算上万原子的 CP2K，下一步是固体与液体

CP2K 是开源的 DFT 计算平台，主打大体系、长时间尺度的动态模拟。按新闻稿的说法，它依靠高效算法和并行机制，能处理数千到数万原子的体系，常用于电池材料、催化剂、半导体和蛋白质研究。

最近，CP2K 还加入了用 AI 模型预测分子能量与力的功能；微软博客则强调它有超过 25 年的开发历史。

对 Skala 而言，接入 CP2K 只是第一步。新闻稿称，Skala"不是一个静态近似"，接下来将支持周期固体（金属、半导体）和液体的模拟；微软博客还披露，Skala 正在集成进 Psi4、FHI-aims、ORCA 和 VASP。

Kühne 的预期是："微软研究院对研究伙伴要求很高。我们相信，在初步成功之后，这次合作会带来更多成果。"目前开放的仍是分子体系模拟，周期固体与液体的支持，是这份路线图里尚未兑现的下一项。

参考链接

• Microsoft's Skala AI Model Joins CP2K to Improve Quantum Mechanical Simulations — The Quantum Insider
• Broadening access to Skala creates a faster path to predictive DFT — Microsoft Research
• CASUS and Microsoft Research join forces — Helmholtz-Zentrum Dresden-Rossendorf
• Molecular Implementation of the Machine-Learned Skala Exchange-Correlation Functional in CP2K through GauXC — arXiv
• Cross-section of a 3D Representation of the Exchange-Correlation (XC) Energy Density for a Benzene Molecule — EurekAlert!