材料模拟领域最近出了个有意思的基准模型Nequix MP，只有70万参数，却在Matbench-Discovery榜单上排到第三。这个用JAX实现的模型，在NaCl纳米晶体溶解模拟中表现相当漂亮。


核心改进来自三个地方：在NequIP架构基础上加了RMS层归一化，用Muon优化器训练，以及一些工程实现上的优化。结果很反直觉——这么小的模型，训练只需500 GPU小时，推理速度比当前最好的eSEN模型快10倍。


论文里有个细节值得玩味：他们故意没堆参数和算力，反而通过架构优化找到了效率瓶颈。这在当前盲目堆规模的AI研究里算是一股清流。


开源做得挺实在，代码和权重都在GitHub（https://github.com/atomicarchitects/nequix）， preprint也发了（https://arxiv.org/abs/2508.16067）。有同行已经在问能不能用在omat/omol数据集上——看来这个轻量化路线确实戳中了些痛点。

最后那张工业应用示意图（https://pbs.twimg.com/media/GzabIg0a4AEURcV?format=jpg&name=small）可能暗示了方向：与其追求通用巨无霸，不如先搞定几个关键材料的精准模拟。