来源:环球市场播报

基于 Nemotron 3.5 Super VL 构建的 Nemotron for Science 帮助研究人员开发能够对科学问题进行推理并调用专业研究工具的智能体。通过后训练,科学家可以使模型适配化学实验、蛋白质设计等专业任务。
作为 Nemotron for Science 的一部分,LitmusBench v0.2 是一个全新的开放数据集,包含近 50000 个问题,用于训练和评估语言模型的化学推理能力。该数据集基于分子性质和实验性药物发现数据,帮助研究人员提升模型预测分子行为的能力,包括溶解性以及人体如何代谢这些分子。
生命科学公司 Lila Sciences、Terray Therapeutics 和 Therna 正在使用并定制英伟达 Nemotron 3.5 Super VL 用于科学应用。用例包括提取化学知识、规划实验以及设计疗法和实验室方案。阿贡国家实验室和于利希超级计算中心等主要研究中心正在将其集成到其药物和科学发现 AI 智能体中。
" 加速计算正在改变科学家应对全球最复杂挑战的方式," 英伟达超大规模和高性能计算副总裁伊恩 · 巴克表示。"Nemotron for Science 为研究人员提供开放模型、科学数据和后训练配方,使他们能够构建对科学问题进行推理并使用 CUDA-X 加速工具将想法转化为发现的专用智能体。"
面向科学发现的 Nemotron 开放模型后训练
研究人员可以使用领域特定数据对 Nemotron 开放模型进行后训练,以提升在专业科学任务上的表现。他们可以将所得模型集成到智能体工作流中,用于解读科学信息、生成代码和调用计算工具。这些工作流可以使用英伟达 CUDA-X 加速工具执行科学计算。
Terray Therapeutics 对 Nemotron 进行了后训练,用于从科学图表中提取反应物、产物和反应条件,在两项基准测试上超越了此前发表的结果。在 RxnScribe 测试中,按照该基准的匹配标准,它恢复了约 76% 的标注反应,有助于将已发表的化学发现转化为结构化数据,用于合成规划和科学智能体。
Lila Sciences 使用 Nemotron 为其自动化实验室设计可直接执行的实验室方案,无需额外微调即达到前沿水平。利用实验室反馈进行后训练后,该模型制造量子点(用于屏幕和太阳能电池板的纳米级晶体)的准确率几乎翻倍,达到 61%,超过了 GPT-6 Astra 的 54%,且推理成本低 10 至 20 倍。这些提升帮助智能体和材料科学家将所需的材料特性转化为合成配方,推动新材料的发现。
Therna 与英伟达合作,对 Nemotron 进行后训练用于智能体式 mRNA 疗法设计,在预测蛋白质表达范围方面准确率几乎翻倍,超越前沿模型。在 96% 的对比中,科学家更倾向于其解释而非基础模型的解释。这些提升可帮助科学家针对特定细胞类型定制 mRNA 设计以实现所需的蛋白质产量,从而扩展到人体应用。
研究人员借助 Nemotron 模型和数据集加速科学研究
领先研究机构正在使用英伟达 Nemotron 模型和数据集推进各个规模的科学发现,从单个研究人员的桌面到实验室和超级计算中心。
通过帮助研究人员快速设计和评估元素周期表中的新分子,这项工作有望为关键材料和矿产、国家安全和癌症治疗等应用开辟新途径。
阿贡国家实验室正在将 Nemotron 集成到其 StructBioReasoner 多智能体系统中,用于设计和评估治疗癌症及其他疾病的蛋白质疗法候选物。
瑞典皇家理工学院基于 Nemotron 构建了一个 AI 智能体,能够自行修复损坏的 GROMACS 分子动力学设置。在一次单台英伟达 DGX Spark 系统的夜间运行中,该智能体在启用推理的情况下修复了 81% 的测试用例,且每个修复都由 GROMACS 本身独立验证。
日本理化学研究所已通过其推理网关 RiVault,将包括 Nemotron 3.5 Super VL 在内的英伟达 Nemotron 部署到其 RIKYU AI 超级计算平台上,使研究人员能够访问这些模型用于科学研究和加速应用的开发。
可用性
英伟达 Nemotron 3.5 Super VL 和 LitmusBench v0.2 化学数据集现已在 Hugging Face 上提供。Nemotron 3.5 Super VL 模型还经过优化,可在 128GB 英伟达 DGX Spark 系统上本地运行。