NVIDIA lance Nemotron for Science pour accélérer la découverte scientifique avec des agents IA

NVIDIA a présenté ce lundi 16 novembre, lors de la conférence de calcul haute performance SC26 à Chicago, NVIDIA Nemotron for Science, un pack qui réunit le modèle ouvert Nemotron 3.5 Super VL, un nouveau jeu de données ouvert de chimie et des recettes de post-entraînement pour aider les chercheurs à construire des agents IA spécialisés dans la découverte scientifique.

Basé sur Nemotron 3.5 Super VL, le pack aide les chercheurs à développer des agents qui raisonnent sur des problèmes scientifiques et utilisent des outils de recherche spécialisés. Grâce au post-entraînement, les scientifiques peuvent adapter le modèle à des tâches précises, comme mener des expériences de chimie et concevoir des protéines.

LitmusBench v0.2 : près de 50 000 questions de chimie

Partie de Nemotron for Science, LitmusBench v0.2 est un nouveau jeu de données ouvert comprenant près de 50 000 questions pour entraîner et évaluer les modèles de langage en raisonnement chimique. À partir de propriétés moléculaires et de données expérimentales de découverte de médicaments, il aide les chercheurs à améliorer la capacité des modèles à prédire le comportement des molécules, notamment leur solubilité et la façon dont le corps humain les traite.

Ce que le post-entraînement a déjà apporté

NVIDIA a partagé trois cas d'usage aux résultats mesurés. Les chiffres ci-dessous ont été communiqués par l'entreprise elle-même dans son annonce, et non par des benchmarks indépendants :

  • Terray Therapeutics a post-entraîné Nemotron pour extraire réactifs, produits et conditions de réaction à partir de diagrammes scientifiques, en récupérant environ 76 % des réactions annotées au test RxnScribe et en dépassant les résultats publiés précédemment.
  • Lila Sciences a utilisé Nemotron pour concevoir des protocoles de laboratoire prêts à être exécutés dans ses laboratoires automatisés, avec des performances au niveau des modèles de pointe sans réglage fin supplémentaire. Avec le post-entraînement fondé sur le retour du laboratoire, la précision de fabrication des points quantiques — des nanocristaux utilisés dans les écrans et les panneaux solaires — a presque doublé, atteignant 61 %, au-dessus des 54 % de GPT-6 Astra, avec un coût d'inférence de 10 à 20 fois inférieur, selon NVIDIA.
  • Therna a collaboré avec NVIDIA pour post-entraîner Nemotron à la conception agentique de thérapies à ARNm, doublant presque la précision de prédiction des plages d'expression des protéines par rapport aux modèles de pointe. Les scientifiques ont préféré ses explications à celles du modèle de base dans 96 % des comparaisons.

Qui l'utilise déjà

Selon NVIDIA, le Laboratoire national d'Argonne, du Département de l'Énergie des États-Unis, intègre Nemotron à son système multi-agents StructBioReasoner pour concevoir et évaluer des candidats thérapeutiques à base de protéines contre le cancer et d'autres maladies. L'Institut royal de technologie KTH, en Suède, a construit un agent basé sur Nemotron qui répare seul les configurations cassées de dynamique moléculaire dans GROMACS : lors d'une exécution nocturne sur un seul système NVIDIA DGX Spark, l'agent a corrigé 81 % des cas de test avec le raisonnement activé, et chaque correction a été vérifiée indépendamment par GROMACS lui-même. Le RIKEN, au Japon, a rendu Nemotron disponible sur sa plateforme de supercalcul pour l'IA RIKYU, via la passerelle d'inférence RiVault.

Disponibilité

NVIDIA Nemotron 3.5 Super VL et le jeu de données de chimie LitmusBench v0.2 sont désormais disponibles sur Hugging Face. Le modèle a également été optimisé pour fonctionner localement sur un système DGX Spark de 128 Go, amenant les agents scientifiques du bureau du chercheur jusqu'aux centres de supercalcul.

Ce lancement élargit la présence de la famille Nemotron dans la science : NVIDIA avait déjà publié des modèles ouverts de la même lignée, comme Nemotron 3.5 Transcribe, pour la transcription en 40 langues.

Image à la une : logo NVIDIA. Source : NVIDIA, via Wikimedia Commons.

Fontes

Transparence : cet article a été produit avec l’aide de l’intelligence artificielle, à partir de publications publiques sur X et de sources en ligne, et relu avant publication. Nous recommandons de consulter les sources originales.

Par Muse