NVIDIA stellt Nemotron für Wissenschaften vor, um Entdeckungen mit Agenten zu beschleunigen
Nachrichtenzusammenfassung:
NVIDIA stellte heute NVIDIA Nemotron for Science vor, wodurch wissenschaftliche Anwendungen seines NVIDIA Nemotron™ 3.5 Super VL-Open-Modells, einem neuen Open-Source-Chemiedatensatz und Post-Training-Rezepten zusammengebracht werden, um Forschern zu helfen, spezialisierte Agenten für wissenschaftliche Entdeckungen zu entwickeln.
Auf Basis von Nemotron 3.5 Super VL hilft Nemotron for Science Forschern dabei, Agenten zu entwickeln, die wissenschaftliche Probleme durchdenken und spezialisierte Forschungstools einsetzen. Mit Post-Training können Wissenschaftler das Modell für spezialisierte Aufgaben anpassen, wie beispielsweise das Durchführen von Experimenten in der Chemie, der Proteindesign und mehr.
Ein Teil von Nemotron for Science, LitmusBench v0.2 ist eine neue offene Datensammlung mit fast 50,000 Fragen zum Trainieren und Bewerten von Sprachmodellen bei der chemischen Schlussfolgerung. Aufbauend auf molekularen Eigenschaften und experimentellen Daten der Arzneimittelentdeckung hilft sie Forschern, die Fähigkeit von Modellen zur Vorhersage des Verhaltens von Molekülen zu verbessern, einschließlich ihrer Löslichkeit und wie der menschliche Körper sie verarbeitet.
Lebenswissenschaftsunternehmen wie Lila Sciences, Terray Therapeutics und Therna verwenden und anpassen NVIDIA Nemotron 3.5 Super VL für wissenschaftliche Anwendungen. Anwendungsfälle umfassen die Extraktion chemischer Kenntnisse, das Planen von Experimenten und das Entwerfen von Therapien und Laborprotokollen. Große Forschungszentren wie das Argonne und das Jülich Supercomputing Centre integrieren es in ihre AI-Agenten für Arzneimittel- und wissenschaftliche Entdeckungen.
„Accelerated computing verändert, wie Wissenschaftler die komplexesten Herausforderungen der Welt angehen“, sagte Ian Buck, Vice President für Hyperscale- und Hochleistungsrechnen bei NVIDIA. „Nemotron for Science bietet Forschern offene Modelle, wissenschaftliche Daten und Rezepte nach der Trainingsphase, um spezialisierte Agenten zu entwickeln, die wissenschaftliche Probleme durchdenken und CUDA-X beschleunigte Tools verwenden, um Ideen in Entdeckungen zu verwandeln.“
Post-Training Nemotron Open Models für die wissenschaftliche Entdeckung Forscher können Nemotron Open Models nach dem Training mit fachspezifischen Daten weiter trainieren, um die Leistung bei spezialisierten wissenschaftlichen Aufgaben zu verbessern. Sie können das resultierende Modell in Agenten-Workflows integrieren, die wissenschaftliche Informationen interpretieren, Code generieren und rechenbasierte Tools aufrufen. Diese Workflows können NVIDIA CUDA-X™ beschleunigte Tools verwenden, um wissenschaftliche Berechnungen durchzuführen.
Terray Therapeutics fine-tuned Nemotron, um Reaktanten, Produkte und Reaktionsbedingungen aus wissenschaftlichen Diagrammen zu extrahieren, was die bisher veröffentlichten Ergebnisse auf zwei Benchmarks übertraf. Auf dem RxnScribe-Test erhielt es etwa 76 % der annotierten Reaktionen unter den Übereinstimmungskriterien des Benchmarks, was dabei half, veröffentlichte chemische Entdeckungen in strukturierte Daten für die Syntheseplanung und wissenschaftliche Agenten zu verwandeln.
Lila Sciences verwendete Nemotron, um ausführbare Laborprotokolle für seine automatisierten Labore zu entwerfen, wobei die Leistung auf Vordermann-Niveau erreicht wurde, ohne zusätzliche Feinabstimmung zu erfordern. Die Nachtrainierung mit Laborfeedback verdoppelte fast die Genauigkeit des Modells bei der Herstellung von Quantenpunkten – nanoskalare Kristalle, die in Bildschirmen und Solarpanels verwendet werden – auf 61%, was die 54% von GPT-6 Astra bei 10-20x geringeren Inferenzkosten übertraf. Diese Verbesserungen helfen Agenten und Materialwissenschaftlern, gewünschte Materialeigenschaften in Syntheserezepte zu übersetzen und somit die Entdeckung neuer Materialien voranzutreiben.
Therna kooperierte mit NVIDIA, um Nemotron für die agente-basierte Entwicklung von mRNA-therapeutika zu post-trainieren, wodurch die Genauigkeit bei der Vorhersage von Proteinausdrucksbereichen fast verdoppelt wurde im Vergleich zu führenden Modellen. Wissenschaftler bevorzugten seine Erklärungen gegenüber denen des Basismodells in 96 % der Vergleiche. Diese Fortschritte könnten Wissenschaftlern dabei helfen, mRNA-Entwürfe für die gewünschte Proteinsynthese in bestimmten Zelltypen anzupassen, während sie sich auf den menschlichen Einsatz skalieren.
Forscher beschleunigen die Wissenschaft mit Nemotron-Modellen und Datensätzen. Führende Forschungsinstitute verwenden NVIDIA Nemotron-Modelle und Datensätze, um wissenschaftliche Entdeckungen auf jeder Ebene voranzubringen, von den Desktops einzelner Forscher bis hin zu Laboren und Supercomputing-Zentren.
Durch die Unterstützung von Forschern bei der schnellen Gestaltung und Bewertung neuer Moleküle über das gesamte Periodensystem hinweg, hat die Arbeit das Potenzial, neue Wege für Anwendungen in kritischen Materialien und Mineralien, nationaler Sicherheit und Krebsbehandlung zu eröffnen.
Argonne integriert Nemotron in sein StructBioReasoner-Multi-Agenten-System, um proteinbasierte Therapiekandidaten für die Behandlung von Krebs und anderen Krankheiten zu entwerfen und zu bewerten.
Das KTH Royal Institute of Technology hat ein KI-Agent auf Basis von Nemotron gebaut, das eigenständig beschädigte GROMACS-Molekulardynamik-Installationen repariert. In einer über Nacht laufenden Ausführung auf einem einzelnen NVIDIA DGX Spark™-System reparierte der Agent 81% der Testfälle mit aktiviertem Reasoning, und jeder Reparatur wurde unabhängig durch GROMACS selbst überprüft.
RIKEN hat NVIDIA Nemotron, einschließlich Nemotron 3.5 Super VL, über RiVault, seine Inferenz-Gateway, auf seiner RIKYU AI-Supercomputing-Plattform verfügbar gemacht, wodurch Forschern der Zugang zu den Modellen für wissenschaftliche Forschung und die Entwicklung beschleunigter Anwendungen ermöglicht wird.
Verfügbarkeit NVIDIA Nemotron 3.5 Super VL und der LitmusBench v0.2 Chemie-Datensatz sind jetzt auf Hugging Face verfügbar. Das Nemotron 3.5 Super VL-Modell wurde zudem optimiert, um lokal auf einem 128GB NVIDIA DGX Spark-System zu laufen.
Erfahren Sie mehr in diesem technischen Blogbeitrag über die nachtrainierte NVIDIA Nemotron, um die Genauigkeit in wissenschaftlichen Bereichen zu erhöhen.