NVIDIA hat Nemotron for Science vorgestellt, ein Paket zur Entwicklung von KI-Agenten für die wissenschaftliche Forschung. Es verbindet das offene Modell Nemotron 3.5 Super VL mit einem neuen Chemiedatensatz und Verfahren für das Nachtraining. Forschende können das Modell laut NVIDIA etwa für chemische Experimente oder den Entwurf von Proteinen anpassen.
Chemiedatensatz für Training und Tests
Der offene Datensatz LitmusBench v0.2 enthält fast 50.000 Fragen, mit denen sich Sprachmodelle für chemische Schlussfolgerungen trainieren und bewerten lassen. Er beruht auf Moleküleigenschaften und experimentellen Daten aus der Arzneimittelentwicklung. Dazu gehören etwa Vorhersagen zur Löslichkeit und dazu, wie der menschliche Körper Moleküle verarbeitet.
Ein mit Fachgebietsdaten nachtrainiertes Modell lässt sich laut NVIDIA in agentische Arbeitsabläufe einbinden, die wissenschaftliche Informationen interpretieren, Code erzeugen und Rechenwerkzeuge aufrufen. Darunter können auch Werkzeuge sein, die mit CUDA-X beschleunigt werden.
Von chemischen Diagrammen zu Laborprotokollen
Terray Therapeutics hat das Modell laut NVIDIA darauf nachtrainiert, Reaktanten, Produkte und Reaktionsbedingungen aus wissenschaftlichen Diagrammen zu extrahieren. Im RxnScribe-Test erfasste es nach den Übereinstimmungskriterien des Benchmarks rund 76 Prozent der annotierten Reaktionen.
Lila Sciences nutzte Nemotron laut NVIDIA, um ausführungsfertige Protokolle für automatisierte Labore zu entwerfen. Ohne zusätzliches Fine-Tuning erreichte es dabei eine Leistung auf dem Niveau führender Modelle.
Ein anschließendes Nachtraining mit Rückmeldungen aus dem Labor verdoppelte laut NVIDIA die Genauigkeit des Modells bei der Herstellung von Quantenpunkten nahezu auf 61 Prozent. GPT-6 Astra erreichte 54 Prozent; die Inferenzkosten von Nemotron lagen 10- bis 20-mal niedriger.
Arzneimittelentwurf und Reparatur von Simulationen
Therna trainierte Nemotron in Zusammenarbeit mit NVIDIA für den agentischen Entwurf von mRNA-Therapeutika nach. Laut NVIDIA verdoppelte das Modell gegenüber führenden Modellen nahezu die Genauigkeit bei der Vorhersage von Proteinexpressionsbereichen. In 96 Prozent der Vergleiche bevorzugten Forschende zudem seine Erklärungen gegenüber denen des Basismodells.
Das Argonne National Laboratory integriert Nemotron in sein Multiagentensystem StructBioReasoner. Es ist für den Entwurf und die Bewertung proteinbasierter Wirkstoffkandidaten gegen Krebs und andere Krankheiten bestimmt.
Das KTH Royal Institute of Technology entwickelte auf Basis von Nemotron einen Agenten, der fehlerhafte Konfigurationen für die Molekulardynamiksoftware GROMACS selbstständig repariert. Laut NVIDIA behob er bei einem nächtlichen Lauf auf einem einzelnen DGX Spark mit aktivierter Schlussfolgerungsfunktion 81 Prozent der Testfälle. GROMACS selbst prüfte jede Reparatur.
Verfügbarkeit von Modell und Datensatz
Nemotron 3.5 Super VL und LitmusBench v0.2 sind auf Hugging Face verfügbar. Das Modell ist außerdem für den lokalen Betrieb auf einem NVIDIA DGX Spark mit 128 GB Speicher optimiert.
RIKEN hat Nemotron-Modelle einschließlich der Version 3.5 Super VL auf seiner Supercomputing-Plattform RIKYU verfügbar gemacht. Forschende können über das Inferenz-Gateway RiVault für wissenschaftliche Forschung und die Entwicklung beschleunigter Anwendungen darauf zugreifen.



