化学や創薬、材料の研究でAIエージェントを作りたい研究者・開発者が、対象の読者です。モデルとデータは公開済みで、Hugging Faceから入手できます。
「Nemotron for Science」は、NVIDIAのオープンなAIモデル「Nemotron 3.5 Super VL」を科学の研究に使うための一式です。公式の発表によると、モデル、科学向けの評価、化学のオープンデータ、追加学習の手順(レシピ)をまとめています。AIエージェントとは、自分で手順を進めるAIのことです。
画像:NVIDIA(公式発表 ) Hugging Faceで今すぐ入手、DGX Sparkでも動作
NVIDIAニュースルームの発表(11月16日付)によると、「Nemotron 3.5 Super VL」と「LitmusBench v0.2」はHugging Faceで公開されています。
モデルは、メモリ128GBの「NVIDIA DGX Spark」で動くよう最適化されました。DGX Sparkは、AIを手元で動かすための卓上の機器です(NVIDIAニュースルームの関連ページ、11/17確認)。
発表では、組織が管理する設備のなかで安全に研究を進められる点も挙げています。机の上の機器から、大規模なデータセンターまで同じモデルを動かせるという説明です。
約5万問の化学データ「LitmusBench v0.2」
LitmusBench v0.2は、化学の推論を測る・鍛えるためのオープンなデータです。問題数は約5万問です。
分子の性質や、創薬の実験データをもとにしています。狙いは、分子がどう振る舞うかを予測する力を伸ばすことです。たとえば、水への溶けやすさや人の体での処理のされ方が含まれます。
ポストトレーニング(公開されたモデルに、特定の分野のデータを追加で学ばせること)にも使えます。性能テストとしてだけでなく、鍛える素材としても使える点が特徴です。
追加学習で得た成果:4つの事例
発表で紹介された事例は、いずれも企業・研究機関による自己申告の結果です。
Terray Therapeutics :化学反応の図から、反応物・生成物・反応条件を読み取るよう追加学習しました。RxnScribeという性能テストでは、正解とされた反応の約76%を取り出しました。2つのテストで既存の公表結果を上回ったとしています。
Lila Sciences :自動化された実験室向けに、すぐ実行できる実験手順を設計させました。追加学習なしで最先端並みの性能だったとしています。
Therna :mRNA医薬の設計向けに追加学習しました。たんぱく質の産生量の範囲を当てる精度が、最先端モデルのほぼ2倍になったとしています。科学者は96%の比較で、元のモデルより追加学習後の説明を好みました。
KTH王立工科大学 :分子動力学ソフト「GROMACS」の壊れた設定を直すAIエージェントを作りました。DGX Spark 1台で一晩実行しました。推論を有効にした場合、81%のテストケースを修復しています。修正はすべてGROMACS自身が独立に検証しました。
量子ドットの正解率は61%、推論コストは10〜20分の1
Lila Sciencesの量子ドット(画面や太陽電池に使うナノサイズの結晶)の事例が、数字として最も具体的です。研究室でのフィードバックを使った追加学習で、作り方の正解率は約2倍近くの61%になりました。
発表では、作り方の正解率がGPT-6 Astraの54%を上回ったとしています。推論のコストは、GPT-6 Astraの10〜20分の1だったとしています。
推論コストは、発表の「10〜20x lower」を相対値で表したものです。評価条件の詳細はまだ公表されていないため、他分野にそのまま当てはまるとは限りません。
研究機関の導入状況:Argonne、Jülich、理研
米エネルギー省のArgonne国立研究所は、Nemotronを「StructBioReasoner」に組み込んでいます。StructBioReasonerは、タンパク質ベースの治療薬候補を設計・評価するマルチエージェントシステムです。対象はがんなどの病気の治療です。
Jülich Supercomputing Centreも、創薬や科学研究のAIエージェントに組み込んでいます。
日本の理化学研究所(RIKEN)は、AIスーパーコンピューター「RIKYU」の基盤で、Nemotronを利用できるようにしました。Nemotron 3.5 Super VLも含まれ、研究者は推論用の入り口「RiVault」から使えます。