NVIDIA presenteerde Nemotron for Science om wetenschappelijke ontdekkingen te versnellen

Bewerkt door: Tatyana Hurynovich

NVIDIA kondigde de lancering aan van Nemotron for Science — een set hulpmiddelen op basis van het open model Nemotron 3.5 Super VL. Het nieuwe product combineert het model, wetenschappelijke evaluaties, een open dataset over chemie en recepten voor post-training.

Het doel is onderzoekers te helpen gespecialiseerde AI-agenten voor wetenschappelijke taken te bouwen. De agenten kunnen redeneren over wetenschappelijke problemen en gespecialiseerde onderzoeksinstrumenten gebruiken.

Een kernonderdeel is LitmusBench v0.2. Dit is een open dataset met bijna 50 duizend vragen om modellen te trainen en te evalueren op chemisch redeneren. De gegevens zijn gebaseerd op eigenschappen van moleculen en experimentele gegevens over geneesmiddelenontwikkeling.

Het model en de hulpmiddelen werken van een NVIDIA DGX Spark-desktopsysteem tot supercomputercentra. Zo kunnen organisaties onderzoek doen op hun eigen infrastructuur.

Verschillende instituten en bedrijven passen de oplossing al toe. Daaronder Argonne National Laboratory, Jülich Supercomputing Centre, Lila Sciences, Terray Therapeutics en Therna.

In een van de voorbeelden verhoogde post-training met feedback uit het laboratorium de nauwkeurigheid van de synthese van kwantumdots tot 61 % — hoger dan het resultaat van GPT-6 Astra (54 %) bij 10–20 keer lagere inferentiekosten.

Ian Buck, vicepresident hyperscale en high-performance computing bij NVIDIA, merkte op dat versnelde computing de manier verandert waarop wetenschappers complexe vraagstukken aanpakken. Nemotron for Science geeft onderzoekers open modellen, gegevens en recepten om agenten te bouwen die ideeën met ontdekkingen verbinden.

Hoe snel zulke agenten hun intrede doen in de dagelijkse praktijk van laboratoria, zal de tijd leren.

2 Weergaven

Bronnen

  • NVIDIA、エージェントによる科学的発見を加速する「Nemotron for Science」を発表

  • nvidianews.nvidia.com

Reacties

Lees meer artikelen over dit onderwerp:

Tweet not found

The embedded tweet could not be found…

Heb je een fout of onnauwkeurigheid gevonden?We zullen je opmerkingen zo snel mogelijk in overweging nemen.