header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

英伟达推出Nemotron for Science,开放近5万题化学数据集并给出后训练配方

BlockBeats 消息,11 月 17 日,据英伟达官方新闻稿,该公司推出 NVIDIA Nemotron for Science,将开源模型 Nemotron 3.5 Super VL、全新开放化学数据集及后训练配方整合在一起,帮助研究人员构建面向科学发现的专用智能体。其中,开放数据集 LitmusBench v0.2 含近 5 万道化学推理题目,数据来源于分子性质与实验药物发现,可用于训练和评估模型对溶解度、人体代谢等分子行为的预测。该模型与数据集现已在 Hugging Face 上线,并针对 128GB NVIDIA DGX Spark 系统做了本地运行优化。

生命科学公司 Lila Sciences、Terray Therapeutics 和 Therna 正在使用并定制该模型。Terray 后训练后用于从科学图表中提取反应物、产物和反应条件,在 RxnScribe 测试中按该基准匹配标准找回约 76% 的标注反应。Lila Sciences 用其设计可执行实验方案,称无需额外微调即可达到与前沿模型相当的表现;结合实验室反馈后训练后,制备量子点的准确率几乎翻倍至 61%,超过 GPT-6 Astra 的 54%,推理成本约为后者的十分之一至二十分之一。Therna 与英伟达合作后训练用于 mRNA 治疗设计,称预测蛋白质表达范围的准确率较前沿模型几乎翻倍,科学家在 96% 的对比中更偏好其解释。

美国能源部阿贡国家实验室正将其整合进 StructBioReasoner 多智能体系统,用于设计和评估癌症等疾病的蛋白质候选疗法,于利希超级计算中心也在接入该模型。瑞典皇家理工学院基于该模型构建了可自行修复损坏 GROMACS 分子动力学设置的智能体,在单台 DGX Spark 上通宵运行并开启推理后,修复了 81% 的测试用例,且均由 GROMACS 独立核验。理化学研究所已通过推理网关 RiVault,在 RIKYU AI 超算平台上提供包括 Nemotron 3.5 Super VL 在内的模型。英伟达超大规模与高性能计算副总裁 Ian Buck 表示,该方案为研究人员提供开源模型、科学数据和后训练配方,以构建能推理科学问题并调用 CUDA-X 加速工具的专用智能体。

AI 解读
Nemotron for Science把Nemotron 3.5 Super VL、LitmusBench v0.2近5万道化学题和后训练配方打包,已在Hugging Face上线,并针对128GB DGX Spark本地优化。Nemotron 3.5今年从视觉、语音扩至生物医药,这次转向科学垂直,形成“模型+数据+配方+本地算力”栈。

Lila、Terray、Therna已用其定制;Terray在RxnScribe找回约76%标注反应,Lila后训练制备量子点准确率61%,超GPT-6 Astra的54%,推理成本仅后者1/10至1/20。

配方与DGX Spark本地优化同时开放更关键:竞争从权重转向可复现的数据与调优流程,科学智能体的训练和部署门槛被一起下压。
展开
举报 纠错/举报

全球市场热点不用到处刷,消息送到你眼前

加入律动飞书频道
纠错/举报
提交
新增文库
仅自己可见
公开
保存
选择文库
新增文库
取消
完成