上海科技大学胡培君教授团队开发新模型在国际知名材料大模型排行榜取得综合最高分

近日，上海科技大学物质科学与技术学院胡培君教授团队在人工智能驱动的材料科学领域取得重要进展。团队提出的TACE 系列最新模型 TACE-ECE-RRA（TECE-RRA） 在国际材料发现基准 Matbench Discovery 中取得综合最高分，在晶体稳定性预测、结构弛豫与材料性质评估等任务上展现出了国际领先的性能，这是国内研发模型首次在该测试中取得第一。

Matbench Discovery 榜单截图（截至2026.07.06）

在模型架构上，TECE-RRA 继承了 TACE 的等变原子间势建模框架，并系统拓展了 SO(2) 等变建模路线。模型提出基于笛卡尔张量表示的 Wigner-D 矩阵构造方法，并在引入两项核心模块：边团簇展开（Edge Cluster Expansion, ECE）和径向旋转复注意力机制（Radial Rotary Complex Attention, RRA）。其中，ECE 能够在边上直接构建更高阶多体相互作用，提升模型对复杂局域化学环境的表达能力；RRA 则将原子间距离信息显式融入注意力计算，增强模型在分布外结构上的泛化表现。在 OMat24、sAlex 和 MPtrj 等大规模材料数据集训练后，TECE-OAM-RRA-1.0 在Matbench Discovery 排行榜上取得领先表现。该结果表明，新版本的TACE不仅在理论上推进了 SO(2) 等变神经网络用于原子间势建模的设计空间，也为高通量材料筛选、分子动力学模拟和 AI for Materials 基础模型研发提供了更强的工具基础。

研究团队表示，未来将以“模型开发与数据生成”双轮驱动为核心，持续推进 TACE 模型体系与 REICO 数据生成方法的协同迭代，构建从高质量数据生产、模型预训练到真实材料发现验证的闭环能力，进一步提升人工智能材料发现的效率、可靠性与可推广性。TECE-OAM-RRA-1.0模型由上海科技大学物质学院联培生许泽民完成训练，助理研究员谢闻博和胡培君教授为共同通讯作者。