NVIDIA 引入科學用Nemotron以代理加速發現
新聞摘要:
NVIDIA今天推出了NVIDIA Nemotron for Science,結合了NVIDIA Nemotron™ 3.5 Super VL開源模型的科學應用、一個新的開源化學數據集以及微調配方,以幫助研究人員建立專門的代理,用於科學發現。
基於Nemotron 3.5 Super VL,Nemotron for Science幫助研究人員開發能夠通過科學問題進行推理並運用專業研究工具的代理。通過微調,科學家可以將模型適應於專門的任務,例如進行化學實驗、蛋白質設計等。
Nemotron for Science 的一部分,LitmusBench v0.2 是一個新的開源數據集,包含幾乎 50,000 個問題,用於在化學推理上訓練和評估語言模型。該數據集利用分子特性及實驗性藥物發現數據,有助於研究人員提升模型預測分子行為的能力,包括其溶解度以及人體如何處理它們。
生命科學公司Lila Sciences、Terray Therapeutics和Therna正在使用並定制NVIDIA Nemotron 3.5 Super VL以應用於科學領域。應用案例包括提取化學知識、規劃實驗和設計治療藥物及實驗室方案。像阿貢國家實驗室和Jülich超級計算中心這樣的大型研究中心正在將其整合到他們的藥物和科學發現人工智能代理中。
“加速計算正在改變科學家應對世界最複雜挑戰的方式,”NVIDIA超大規模和高性能計算副總裁伊恩·巴克(Ian Buck)表示,“科學用Nemotron為研究人員提供了開源模型、科學數據和訓練後的配方,以建立能夠通過科學問題進行推理的專業代理,並使用CUDA-X加速工具將想法轉化為發現。”
訓練後Nemotron開放模型適用於科學發現研究人員可以使用特定領域的數據對Nemotron開放模型進行微調,以提高在專業科學任務上的性能。他們可以將生成的模型整合到代理工作流程中,以解讀科學資訊、產生程式碼並調用計算工具。這些工作流程可以使用NVIDIA CUDA-X™加速工具進行科學計算。
Terray Therapeutics 對 Nemotron 進行了後訓練,以從科學圖表中提取反應物、產物和反應條件,在兩個基準測試中超越了之前發表的結果。在 RxnScribe 測試中,它根據基準的匹配標準恢復了大約 76% 的註釋反應,幫助將已發表的化學發現轉化為結構化數據,用於合成規劃和科學代理。
Lila Sciences 使用 Nemotron 來設計可立即執行的實驗室協議,用於其自動化實驗室,達到前沿水平的性能,而無需額外的微調。通過實驗室反饋進行後訓練,該模型在製造量子點(用於螢幕和太陽能板的納米級晶體)方面的準確率幾乎翻了一番,達到 61%,超過 GPT-6 Astra 的 54% ,在 10-20 倍的較低推理成本下。這些提升幫助代理和材料科學家將所需的材料特性轉化為合成配方,推動新材料的發現。
Therna與NVIDIA合作,對Nemotron進行後訓練,以實現代理mRNA治療設計,其在預測蛋白質表達範圍方面的準確性幾乎是前沿模型的兩倍。科學家在96%的比較中更傾向於其解釋,而不是基礎模型的解釋。這些提升可幫助科學家根據特定細胞類型的需要,針對性地設計mRNA,以實現所需的蛋白質生產,當他們擴展到人類使用時。
研究人員利用Nemotron模型和數據集加速科學研究。領先的研究機構正在使用NVIDIA的Nemotron模型和數據集,在從個人研究人員的桌面到實驗室和超級計算中心的每個規模上推進科學發現。
透過幫助研究人員快速設計和評估週期表中所有新穎的分子,這項工作有潛力為關鍵材料和礦物、國防安全和癌症治療的應用開闢新的途徑。
阿貢國家實驗室正在將Nemotron整合到其StructBioReasoner多代理系統中,以設計和評估針對癌症和其他疾病的蛋白質類治療候選藥物。
瑞典皇家理工學院(KTH Royal Institute of Technology)已在其Nemotron平台上建立了一個AI代理,該代理能夠自行修復損壞的GROMACS分子動力學設置。在單一NVIDIA DGX Spark®系統上過夜運行時,該代理在啟用推理功能的情況下修復了81%的測試案例,且每個修復都由GROMACS本身獨立驗證。
理化學研究所(RIKEN)已通過其RiVault推理網關,在RIKYU AI超級計算平台上提供NVIDIA Nemotron,包括Nemotron 3.5 Super VL,使研究人員能夠訪問這些模型以進行科學研究和加速應用程序的開發。
可用性 NVIDIA Nemotron 3.5 Super VL 和 LitmusBench v0.2 化學數據集現在已在 Hugging Face 上提供。Nemotron 3.5 Super VL 模型也優化為可在 128GB NVIDIA DGX Spark 系統上本地運行。
在這篇技術博客中了解更多關於微調後的 NVIDIA Nemotron 資訊,以提高科學領域的準確性。