Nemotron for Science, de Nvidia, dépasse GPT-6 Astra pour un coût 10 fois moindre
Ajusté avec les retours d'un laboratoire, ses protocoles de boîtes quantiques ont atteint 61 % de précision, contre 54 % pour GPT-6 Astra.

Un agent de dynamique moléculaire de l'Institut royal de technologie KTH, en Suède, a passé une nuit sur un seul Nvidia DGX Spark, de la taille d'un ordinateur de bureau, et a réparé 81 % des simulations défaillantes qu'on lui avait confiées. Ce résultat fait partie des preuves derrière Nemotron for Science, annoncé lundi par Nvidia : un modèle ouvert, un nouveau jeu de données de chimie et des recettes d'ajustement pour que n'importe quel laboratoire construise ses propres agents scientifiques. Il met un assistant de premier plan dans des laboratoires qui n'auraient jamais pu en louer un à grande échelle.
Un kit, pas seulement un modèle
Le cœur est Nemotron 3.5 Super VL, le modèle ouvert de vision et de langage publié par Nvidia en octobre. Il compte 120 milliards de paramètres mais n'en utilise que 12 milliards à chaque étape, ce qui lui permet de tourner en local sur un DGX Spark de 128 Go plutôt que dans un centre de données. Il lit du texte et des images, et en chimie les images comptent : les réactions vivent dans des schémas.
Autour, Nvidia a ajouté trois choses que les scientifiques doivent d'habitude construire eux-mêmes. Il y a des évaluations qui mesurent les performances du modèle sur de vraies tâches de recherche et des recettes pour l'ajuster sur les données d'un laboratoire. La troisième est LitmusBench v0.2, un jeu ouvert de près de 50 000 questions de raisonnement chimique sur les propriétés moléculaires et des données de découverte de médicaments, comme la solubilité ou la façon dont le corps traite une molécule. Les agents peuvent aussi appeler les outils CUDA-X de Nvidia pour les calculs lourds.
“Nemotron for Science donne aux chercheurs des modèles ouverts, des données scientifiques et des recettes d'ajustement pour construire des agents spécialisés”— Ian Buck, Nvidia
Les premiers utilisateurs montrent ce que cela permet.
La recette à 61 % pour les boîtes quantiques
Lila Sciences a demandé au modèle de rédiger des protocoles de laboratoire, des instructions pas à pas qu'un robot ou un chimiste peut suivre, pour fabriquer des boîtes quantiques, ces minuscules cristaux qui donnent leur couleur à certains écrans de télévision. Sans ajustement, il égalait déjà les modèles de pointe. Après un ajustement sur les retours de son propre laboratoire, sa précision a presque doublé pour atteindre 61 %, contre 54 % pour GPT-6 Astra, avec un coût d'utilisation 10 à 20 fois plus faible.
Terray Therapeutics l'a entraîné à extraire réactifs, produits et conditions des schémas des articles de chimie, et il a dépassé les résultats publiés sur deux bancs d'essai, en retrouvant environ 76 % des réactions annotées sur RxnScribe. Therna l'a ajusté pour concevoir des médicaments à ARNm : sa précision pour prédire la quantité de protéine produite par une conception a presque doublé face aux modèles de pointe, et les scientifiques ont préféré ses explications à celles du modèle de base dans 96 % des comparaisons.
Les entreprises ne sont que la moitié de la liste.
D'Argonne à RIKEN, sur des machines que les laboratoires possèdent déjà
Le laboratoire national d'Argonne intègre Nemotron à StructBioReasoner, un système multi-agents qui conçoit et évalue des candidats thérapeutiques à base de protéines contre le cancer et d'autres maladies. Le RIKEN japonais l'a rendu disponible sur sa plateforme de supercalcul IA RIKYU, et le centre de supercalcul de Jülich, en Allemagne, l'intègre à des agents de découverte de médicaments et de découverte scientifique. Le résultat nocturne du KTH a été vérifié de façon indépendante par GROMACS, le logiciel de simulation lui-même : chaque réparation a été contrôlée, pas supposée.
Le schéma est le même dans tous les cas : un laboratoire prend un modèle ouvert, lui apprend avec ses propres données ce qui l'intéresse précisément et obtient un spécialiste moins cher à faire tourner qu'un modèle généraliste de pointe. Le modèle et LitmusBench sont déjà sur Hugging Face.
Un laboratoire de chimie équipé d'une seule machine de bureau peut désormais entraîner son propre assistant de recherche pendant la nuit et se réveiller avec les résultats.
Tuned Open Model Beats Frontier
The Brief
Restez curieux
IA et technologie : ce qui change et pourquoi cela compte.
Votre sélection quotidienne, en anglais ou en espagnol.
Gratuit pour toujours. Désabonnement à tout moment.
Plus d'articles

The Specialty News





Conversation
Lancer la conversation