Microsoft Research amplía el acceso a Skala 1.1 para acelerar la DFT predictiva

Microsoft Research publicó el 20 de agosto de 2026 una actualización de Skala, su funcionalidad de aprendizaje profundo para la teoría del funcional de la densidad (DFT). Skala 1.1 fue entrenada con 2,5 veces más datos que la primera versión pública y mejora los resultados en termodinámica de grupos principales, cinética de reacciones y predicción de estructuras moleculares.

En la prueba GMTKN55, que reúne 55 categorías de problemas químicos, Skala 1.1 registra un error medio ponderado de 2,8 kcal/mol. Microsoft Research afirma que el modelo supera en precisión a los principales funcionales híbridos globales y mantiene el coste computacional de un funcional semilocal. También ofrece resultados precisos para densidades electrónicas, momentos dipolares y geometrías moleculares.

Skala ya está disponible en CP2K y se está integrando en Psi4, FHI-aims, ORCA y VASP. Microsoft Research también presentó una evaluación de referencia continua para seguir el rendimiento computacional de las sucesivas versiones optimizadas en distintos paquetes de software y plataformas de hardware.

La actualización incorpora nuevos datos de la Microsoft Research Accurate Chemistry Collection, incluidos datos sobre afinidades electrónicas y clústeres no covalentes. Según Microsoft Research, la ampliación del volumen y la diversidad de los datos permitirá mejorar el modelo de forma progresiva sin aumentar su coste computacional práctico.

Fuente: Microsoft Research.