Microsoft Research: MatterSim 实验合成热导率 152 W/m/K 的 TaP，MatterSim-MT 突破 PES 局限

Microsoft Research 于 2026 年 5 月 12 日发布了 MatterSim 材料科学基础模型的最新成果——包括 AI 预测的实验验证、推理速度提升 3-5 倍，以及突破传统势能面（PES）限制的全新多任务 MatterSim-MT 模型。

MatterSim 在实验层面验证了什么？

MatterSim-v1 模型从超过 240,000 种候选材料中识别出四方晶系 TaP（磷化钽）作为潜在高热导率材料。Microsoft 团队合成了 TaP，并在实验室中测量到 152 W/m/K 的热导率，接近硅的性能水平。这是通过 AI 驱动的材料筛选首次将 TaP 识别为热导体，验证了机器学习预测在真实材料发现中的有效性。

项目的一位合作者表示，「我们可以在大规模上测试对热导率控制因素的传统认知」，同时发现科学家此前忽视的功能性材料。

推理速度提升了多少？

MatterSim-v1 模型获得了两项加速：500 万参数版本提升 3 倍，100 万参数版本提升 5 倍。与 LAMMPS 软件的集成通过现有科学工作流实现多 GPU 扩展，使大型模拟在实验室中具备实际可行性。

MatterSim-MT 在 PES 之外提供哪些输出？

MatterSim-MT 是在超过 3500 万个第一性原理结构上训练的多任务基础模型，涵盖 89 种元素、最高 5000K 温度和最高 1000 GPa 压力。传统 PES 模型只能预测能量和力；MatterSim-MT 可原生输出应力张量、磁矩、Born 有效电荷和介电矩阵。

Microsoft 演示了三种应用：振动光谱学以 0.06 THz 的误差（与从头计算结果相比）预测极性晶体中的声子谱（含 LO-TO 分裂）；铁电翻转模拟电场作用下钛酸钡中的极化反转；电池化学建模锂锰氧化物中的阳离子-阴离子氧化还原转变，无需针对特定任务训练。

这一研究将基础模型定位为将材料科学从实验工作流提升至 AI-实验混合工作流的工具。