做计算化学的人都知道一个老矛盾：量子化学方法算得准，但算不动大体系；经典分子动力学跑得动大体系，但力场精度又不够。微软推出的 Skala 就是冲着这个矛盾来的计算化学基础模型，这次的 1.1 更新又把“精度”作为主题推了一轮。这篇文章不打算只复述更新公告，而是想从实际跑任务的角度，聊聊 Skala 1.1 对计算化学工作流意味着什么、跑之前要准备哪些条件、怎么验证精度有没有提升，以及批量计算时最容易在哪些环节翻车。
如果你正在做蛋白质结构分析、材料模拟、药物分子构象搜索，或者想把 AI 模型引入自己的计算工作流，这篇可以按顺序读完。如果你已经跑过不少 AI 势函数模型，可以直接跳到第 4 节看验证方法，再翻到最后面的排查清单。
1. 先理解 Skala 解决的是哪一层“算不准”
1.1 从头算方法和经典力场之间的空档
计算化学里有两类常用工具。第一类是基于量子化学的从头算方法，比如 DFT。这类方法能量计算准，能处理化学键断裂、电荷转移、过渡态这些经典力场很难描述的过程，但计算量随原子数快速增长。一个普通工作站算几百个原子的 DFT 优化可能要几小时到几天，要跑到上千个原子就非常吃力。
第二类是经典分子力学力场，比如 AMBER、CHARMM、OPLS 这一类的家族。力场把原子间作用简化成键伸缩、键角弯曲、二面角扭转和非键相互作用，计算很快，能跑几十万原子的蛋白膜体系，也能跑到微秒级的动力学。但力场参数是预先拟合好的，遇到新分子、新官能团、金属配位、化学反应，往往会失真。
AI 势函数模型想做的就是填上这个空档：用训练好的神经网络替代力场，同时让预测结果逼近 DFT。Skala 属于这一类，但它和普通 AI 势函数不太一样的地方在于“基础模型”这个定位。它不是针对单一分子类型训练的专用势函数，而是覆盖较广化学空间、能直接加载来做多种任务的大模型。用户拿到权重之后，既可以做单点能预测，也可以做几何优化，还可以直接跑分子动力学。
1.2 1.1 更新里的“精度”至少包含四个维度
“提升计算化学精度”这句话看着简单，实际落到任务上至少要拆成四部分来看。
第一是能量预测误差，也就是模型预测的分子总能与参考值之间的差距，常用 MAE 或 RMSE 衡量，单位一般是 eV 或 kcal/mol。第二是受力预测误差，每个原子上的力向量误差。能量误差小不代表力误差小，而力误差直接决定动力学模拟的稳定性。第三是几何优化收敛质量，优化之后的键长、键角、二面角是不是贴近真实结构。第四是长时间动力学稳定性，也就是跑几百皮秒甚至更长之后，体系温度、总能量是不是漂移，有没有出现原子重叠。
这四个维度互相影响。只提升能量精度，受力不提升，MD 照样容易跑飞。反过来，如果只在特定分子上提升，泛化性不提升，换个官能团又会打回原形。所以 1.1 更新真正要做的，是这几个指标一起改善，而不是某一个单项好看。
2. 从更新方向看，1.1 最可能提升的点在哪里
2.1 单点能量和受力的基准误差
计算化学里最常用的验证方式，是拿一批分子做单点能计算：给定结构，模型输出总能量和每个原子的受力，然后和相同结构下的高精度参考值比较。如果 Skala 1.1 在这个环节有提升，最直接的体现就是能量 MAE 下降，尤其是在有机分子常见元素组合上的下降。
这里要提醒一点：不同训练集、不同元素组合、不同官能团的误差差别很大。模型在烷烃、芳烃、酰胺、羧酸这些常见结构上通常表现好，遇到含硼、含磷、含过渡金属的结构，误差可能明显上浮。所以不要只看官方给一个整体指标，要自己在目标分子上重测一遍。
2.2 几何优化和弱相互作用区域的稳定性
第二个可能会有变化的点是几何优化。AI 势函数做几何优化时，最大的问题往往不在起点附近，而在鞍点、平面扭转、弱相互作用这些区域。这些位置的能量面比较平缓或者变化剧烈，力的方向容易突变，模型稍微不准就会导致优化震荡，甚至收敛到明显错误的构象。
如果 1.1 提升了这些区域的表现，实际效果会体现在优化步数减少、收敛率提高，或者优化后的结构与高精度方法更接近。验证方法也简单：把同一个初始构象分别用 1.0 和 1.1 做优化，对比最终结构的 RMSD 和总能量，看看是不是系统性变好。
2.3 不同化学环境和体系规模的迁移性
精度提升如果没有伴随迁移性提升，价值会打折扣。常见的迁移性问题包括从小分子到聚合物和蛋白质、从气相到溶剂化环境、从单构象到动力学轨迹中的大量非平衡构象。
1.1 的更新如果补充了更多训练数据，比如蛋白质主链二面角、溶剂水模型、或者稀有元素组合的数据，那它的精度提升就不只是拟合变好，而是适用范围变宽。这一点我会专门看更新的数据分布说明，再决定要不要在自己的体系上重新评估。
注意：从目前公开材料看，还没有 1.1 的逐项误差数值。想确认“提升了多少”，最稳妥的方式不是看结论，而是自己准备一个基准集，在两个版本上分别跑一遍。
3. 跑 Skala 1.1 之前，先把环境和输入准备好
3.1 硬件分配：显存决定体系规模
AI 化学模型的推理和动力学模拟基本都需要 GPU。显存决定单次能处理的体系上限，内存影响数据加载和轨迹保存的流畅度。这里给一个通用经验范围，不是绝对值：
| 体系规模 | 建议显存 | 适合任务 |
|---|---|---|
| 小分子 / 有机分子 | 8GB 左右可跑 | 单点能、几何优化 |
| 中等肽段 / 分子团簇 | 16GB 到 24GB | 短程 MD |
| 蛋白质 / 上万原子体系 | 24GB 以上 | 长时间 MD |
具体还要看模型参数量、批量大小和是否开启混合精度。低显存机器也能跑，但要降低要求：把体系切小、把批量设为 1、把精度模式改成混合精度。
3.2 软件栈和依赖版本
这类项目一般会提供 Python 包和命令行工具。我的建议是先装到一个独立虚拟环境里，不要直接放进系统 Python，避免依赖冲突。安装顺序通常是这样：创建环境，安装 PyTorch 和对应 CUDA 版本，再安装模型的 Python 包，最后下载权重文件。
依赖版本一定要锁住。PyTorch 的小版本差异、CUDA 版本不一致，都可能导致推理结果略有不同，甚至直接报算子不兼容。如果模型仓库里给了 requirements 文件或环境配置，尽量按锁定的版本来，不要顺手升级。
3.3 输入结构文件：先处理氢、电荷和质子化状态
计算化学里最常见的错误不在模型，而在输入文件。三个高频问题：
- 缺氢。PDB 文件里如果只有重原子，模型很难正确推断质子化状态，尤其是组氨酸、天冬氨酸、谷氨酸这些 pH 敏感残基。
- 形式电荷不对。配体、辅因子、金属中心的电荷设置错误，能量和受力都会明显偏离。
- 键连信息缺失。从 PDB 转到模型能读的格式时，要注意双键位置、芳香环、金属配位键是否被保留。
处理方式不一定是手动加氢，而是要有一整套稳定的预处理流程：清洗结构、补全残基、加氢、分配质子化状态、检查总电荷是否为合理整数。这个过程可以用 PyMOL、OpenBabel 或对应脚本完成，关键是每次都用同一套规则，保证结果可以复现。
3.4 输出目录和日志设计
单条任务时你可能不觉得，一旦跑批量，输出管理就会变成最大的坑。建议一开始就规划好：
- 每个任务单独建目录，目录名包含体系名和模型版本；
- 模型输出、日志、轨迹分开存放；
- 记录每个任务的输入结构哈希、参数、耗时和退出状态。
这样无论后面要对比版本差异，还是排查一个失败任务，都有据可查。一个示例配置长这样：
# 示例任务配置，实际字段和取值以模型仓库文档为准 structure: inputs/protein.pdb charge: 0 multiplicity: 1 timestep: 1.0 # fs temperature: 300 # K n_steps: 100000 output_dir: results/skala-1.1-protein4. 怎么验证 1.1 的精度确实提升了
4.1 准备一个小而全的基准集
不要只信官方测试集，要自己构建一个面向你真实研究方向的基准集。基准集要满足三个条件：包含你真正要处理的分子类型；每个分子有参考值，可以是 DFT 单点能、受力或实验几何；规模适中，能在一两个小时内跑完。
结构来源可以是实验晶体结构、已发表的数据集，也可以是你自己生成的构象。关键是参考值要用固定的方法和基组计算，否则不同参考源之间的差异会掩盖模型差异。
4.2 三个核心对比实验
第一个实验是单点能误差对比。读取同一批结构，分别用 1.0 和 1.1 输出能量，计算与参考值的 MAE 和中位误差。
第二个实验是受力对比。计算预测力和参考力的逐原子误差，重点关注有没有少数原子误差特别大。这类离群点通常指向电荷分配、金属配位或氢原子处理的问题。
第三个实验是短 MD 稳定性。从同一结构和速度出发，跑 50 到 200 皮秒，观察温度、势能、总能量的变化曲线，以及是否出现原子重叠、键断裂或坐标 NaN。
# 示例评估流程，具体调用方式以模型仓库文档为准 results = {} for version in ["skala-1.0", "skala-
