NVIDIA presenta Nemotron para la ciencia para acelerar los descubrimientos con agentes
Resumen de noticias:
NVIDIA presentó hoy NVIDIA Nemotron for Science, reuniendo las aplicaciones científicas de su modelo abierto NVIDIA Nemotron™ 3.5 Super VL, un nuevo conjunto de datos químicos abiertos y recetas de entrenamiento posterior para ayudar a los investigadores a construir agentes especializados para el descubrimiento científico.
Basado en Nemotron 3.5 Super VL, Nemotron for Science ayuda a los investigadores a desarrollar agentes que razonan sobre problemas científicos y aplican herramientas de investigación especializadas. Con el entrenamiento posterior, los científicos pueden adaptar el modelo a tareas especializadas, como realizar experimentos en química, diseño de proteínas y más.
Parte de Nemotron para la Ciencia, LitmusBench v0.2 es un nuevo conjunto de datos abierto con casi 50,000 preguntas para entrenar y evaluar modelos de lenguaje en razonamiento químico. Basado en propiedades moleculares y datos de descubrimiento de fármacos experimentales, ayuda a los investigadores a mejorar la capacidad de los modelos para predecir cómo se comportan las moléculas, incluida su solubilidad y cómo el cuerpo humano las procesa.
Las empresas de ciencias de la vida Lila Sciences, Terray Therapeutics y Therna están utilizando y personalizando NVIDIA Nemotron 3.5 Super VL para aplicaciones científicas. Los casos de uso incluyen la extracción de conocimiento químico, la planificación de experimentos y el diseño de terapéuticos y protocolos de laboratorio. Centros de investigación importantes como el Argonne y el Centro de Supercomputación Jülich están integrándolo en sus agentes de inteligencia artificial para el descubrimiento de fármacos y ciencia.
"El cómputo acelerado está transformando la forma en que los científicos abordan los desafíos más complejos del mundo", dijo Ian Buck, vicepresidente de cómputo a gran escala y cómputo de alto rendimiento en NVIDIA. "Nemotron for Science ofrece a los investigadores modelos abiertos, datos científicos y recetas de entrenamiento posterior para construir agentes especializados que razonen sobre problemas científicos y utilicen herramientas aceleradas por CUDA-X para convertir ideas en descubrimientos."
Modelos abiertos Nemotron post-entrenados para investigadores en descubrimiento científico Los investigadores pueden post-entrenar los modelos abiertos Nemotron con datos específicos del dominio para mejorar el rendimiento en tareas científicas especializadas. Pueden integrar el modelo resultante en flujos de trabajo de agentes que interpreten información científica, generen código y llamen a herramientas computacionales. Estos flujos de trabajo pueden utilizar herramientas aceleradas por NVIDIA CUDA-X™ para realizar cálculos científicos.
Terray Therapeutics entrenó nuevamente a Nemotron para extraer reactivos, productos y condiciones de reacción de diagramas científicos, superando los resultados publicados anteriormente en dos benchmarks. En la prueba RxnScribe, recuperó aproximadamente 76% de las reacciones anotadas bajo los criterios de coincidencia del benchmark, ayudando a convertir los descubrimientos químicos publicados en datos estructurados para el plan de síntesis y agentes científicos.
Lila Sciences utilizó Nemotron para diseñar protocolos de laboratorio listos para su ejecución para sus laboratorios automatizados, logrando un rendimiento de vanguardia sin requerir un ajuste adicional. La post-entrenanza con retroalimentación de laboratorio casi duplicó la precisión del modelo para crear puntos cuánticos - cristales a escala nanométrica utilizados en pantallas y paneles solares - al 61%, superando el 6% de GPT-54 Astra con un costo de inferencia 10-20 veces menor. Estas ganancias ayudan a los agentes y a los científicos de materiales a traducir las propiedades deseadas de los materiales en recetas de síntesis, acelerando el descubrimiento de nuevos materiales.
Therna colaboró con NVIDIA para post-entrenar Nemotron para el diseño de terapias con ARN mensajero basadas en agentes, casi duplicando la precisión en la predicción de rangos de expresión de proteínas sobre los modelos de vanguardia. Los científicos prefirieron sus explicaciones sobre las del modelo base en 96% de las comparaciones. Estos avances podrían ayudar a los científicos a adaptar los diseños de ARN mensajero para la producción de proteínas deseada en tipos celulares específicos a medida que escalan al uso humano.
Investigadores aceleran la ciencia con los modelos y conjuntos de datos Nemotron. Las instituciones de investigación líderes utilizan los modelos y conjuntos de datos de NVIDIA Nemotron para avanzar en el descubrimiento científico a toda escala, desde las computadoras de los investigadores individuales hasta laboratorios y centros de supercomputación.
Al ayudar a los investigadores a diseñar y evaluar rápidamente moléculas novedosas en toda la tabla periódica, el trabajo tiene el potencial de abrir nuevos caminos para aplicaciones en materiales y minerales críticos, seguridad nacional y tratamiento del cáncer.
Argonne está integrando Nemotron en su sistema multiagente StructBioReasoner para diseñar y evaluar candidatos terapéuticos basados en proteínas para el tratamiento del cáncer y otras enfermedades.
El Instituto de Tecnología Real de KTH ha construido un agente de IA en Nemotron que repara configuraciones de dinámica molecular de GROMACS dañadas por sí mismo. En una ejecución nocturna en un solo sistema NVIDIA DGX Spark™, el agente corrigió 81% de casos de prueba con razonamiento activado, y cada corrección fue verificada independientemente por GROMACS mismo.
RIKEN ha puesto a disposición de su plataforma de supercomputación RIKYU AI a través de RiVault, su puerta de entrada para inferencias, NVIDIA Nemotron, incluido Nemotron 3.5 Super VL, permitiendo a los investigadores acceder a los modelos para investigación científica y desarrollo de aplicaciones aceleradas.
Disponibilidad NVIDIA Nemotron 3.5 Super VL y el conjunto de datos de química LitmusBench v0.2 ya están disponibles en Hugging Face. El modelo Nemotron 3.5 Super VL también fue optimizado para ejecutarse localmente en un sistema NVIDIA DGX Spark de 128GB.
Aprenda más en este blog técnico sobre el entrenamiento posterior de NVIDIA Nemotron para aumentar la precisión en diversos dominios científicos.