NVIDIA、科学研究向けオープンモデルと化学データセットを発表
NVIDIAは11月16日、科学研究向けの「NVIDIA Nemotron for Science」を発表した。オープンモデル「NVIDIA Nemotron 3.5 Super VL」や化学データセット「LitmusBench v0.2」、ポストトレーニングのレシピを組み合わせ、研究者による分野特化型の科学エージェント構築を支援する。
LitmusBench v0.2は約5万件の質問を収録し、化学リーズニングに関する言語モデルのトレーニングと評価に使う。NVIDIAによると、モデルは研究者のデスクトップからスーパーコンピューティングセンターまで展開でき、アルゴンヌ国立研究所などが科学的発見に向けたエージェントに活用している。
化学データセットとポストトレーニング
LitmusBench v0.2は、分子の特性と実験的な創薬データに基づくオープンデータセット。溶解度や人体内での処理のされ方など、分子の挙動を予測する能力の向上に役立つという。研究者は分野特化型のデータでNemotronオープンモデルをポストトレーニングし、化学実験やタンパク質設計などのタスクに適応させられる。
ポストトレーニング後のモデルは、科学情報の解釈やコード生成、計算ツールの呼び出しを行うエージェントワークフローに統合できる。NVIDIAによると、これらのワークフローではNVIDIA CUDA-Xによって高速化されたツールを使い、科学技術計算を実行できる。
Terray Therapeuticsは、科学的な図から反応物、生成物、反応条件を抽出するようNemotronをポストトレーニングした。RxnScribeテストでは、ベンチマークの照合基準に基づき、アノテーション付き反応の約76%を抽出し、2つのベンチマークで既報の結果を上回ったという。
Lila Sciencesは、自動化ラボで実行できる実験プロトコルの設計にNemotronを使用し、追加のファインチューニングなしでフロンティアレベルの性能を達成したとしている。ラボからのフィードバックを使ったポストトレーニングにより、量子ドット合成の精度はほぼ2倍の61%に向上。推論コストを10分の1~20分の1に抑えながら、GPT-6 Astraの54%を上回ったという。
ThernaはNVIDIAと協力し、エージェントを活用したmRNA治療薬の設計向けにNemotronをポストトレーニングした。Thernaによると、タンパク質の発現量の範囲を予測する精度はフロンティアモデルと比べてほぼ2倍になり、科学者は比較の96%でベースモデルよりこのモデルの説明を好ましいと評価した。
研究機関での活用
アルゴンヌ国立研究所は、がんやその他の疾患の治療に向けたタンパク質ベースの治療薬候補を設計、評価するため、StructBioReasonerマルチエージェントシステムにNemotronを統合している。
スウェーデン王立工科大学(KTH)は、正常に動作しないGROMACS分子動力学シミュレーションの設定を自律的に修復するAIエージェントをNemotronを基盤に構築した。NVIDIA DGX Sparkシステム1台で一晩実行したところ、リーズニングを有効にしたエージェントはテストケースの81%を修復し、すべての修復内容をGROMACS自体が独立して検証した。
理化学研究所は、推論ゲートウェイ「RiVault」を通じて、Nemotron 3.5 Super VLを含むNVIDIA NemotronシリーズをAIスーパーコンピューティングプラットフォーム「RIKYU」上で利用可能にした。
提供状況
NVIDIA Nemotron 3.5 Super VLとLitmusBench v0.2化学データセットは、Hugging Faceで現在入手できる。Nemotron 3.5 Super VLは、128 GBのNVIDIA DGX Sparkシステム上でローカル実行できるようにも最適化されている。NVIDIAは、科学分野全般で精度を向上させるポストトレーニングについて、技術ブログで案内している。
本記事はNVIDIAの発表をもとに作成。
ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。



