英伟达推出Nemotron for Science借助智能体加速科学发现

英伟达推出 Nemotron for Science:开放模型 + 化学数据集 + 后训练方案,用智能体加速科学发现

英伟达在 SC26(2026 年 11 月 16 日,芝加哥)发布 Nemotron for Science,整套方案以 Nemotron 3.5 Super VL 开放模型为底座,配套科学评测方法、全新开放化学数据集 LitmusBench v0.2 和后训练配方,帮助科研人员构建面向生命科学、化学等领域的专用科学智能体。这类智能体不是只做问答,而是能围绕科学问题推理、解读文献与实验信息、生成代码、调用专业计算工具,并在后续实验设计、分子与蛋白设计、实验规程规划等环节落地。方案的核心思路是:先用开放模型承接通用多模态理解,再用领域数据做后训练,最后把模型接入由 CUDA-X 加速工具支撑的科研工作流,从研究者桌面到超算中心都可部署在机构自有、可控的基础设施上。

一、方案组成

组成部分作用
Nemotron 3.5 Super VL 开放模型多模态底座,负责科学问题推理、图文信息理解,可接入智能体工作流
LitmusBench v0.2 开放化学数据集近 5 万道问题,同时用于化学推理能力训练与模型评测
后训练配方(Recipes)指导科研人员用领域数据把开放模型适配到化学实验、蛋白设计等专业任务
科学评测方法评估模型在分子性质、药物研发等任务上的实际表现
CUDA-X 加速工具与部署基础设施承担科学计算、代码调用和规模化运行,覆盖 DGX Spark 桌面端到数据中心 / 超算

二、智能体的工作路径

1. 后训练适配

  • 科研人员用领域特定数据对 Nemotron 开放模型做后训练,提升专业任务表现。
  • 适配方向包括化学实验、反应信息抽取、蛋白质设计、mRNA 治疗设计、材料合成规程等。
  • 训练完成的模型被接入智能体流程:解读科学信息 → 生成计算代码 → 调用分子模拟、分子对接等专业工具 → 给出下一步实验或候选方案。

2. 工具调用与加速计算

  • 智能体通过 CUDA-X 加速工具执行科学计算,把模型推理得到的思路落到仿真、实验设计等可执行环节。
  • 部署上支持本地工作站到超算的不同规模:模型已针对 128GB 显存的 NVIDIA DGX Spark 系统做本地运行优化,同时可扩展到数据中心基础设施,在机构可控的环境中跑安全科研流程。

三、LitmusBench v0.2 数据集

  • 规模:近 50,000 道问题,开放使用。
  • 数据来源:分子性质数据与实验性药物研发数据。
  • 训练目标:提升模型对分子行为的预测能力,包括分子溶解度、分子在人体内的代谢过程等。
  • 双重用途:既可作为后训练数据适配化学推理任务,也可作为评测基准衡量模型能力,避免只训不测。

四、已披露的落地案例与效果口径

使用方场景披露效果
Terray Therapeutics从科学图示中抽取反应物、产物和反应条件RxnScribe 测试集按基准匹配标准,恢复约 76% 的标注反应;用于把已发表化学发现转化为结构化合成规划数据
Lila Sciences为自动化实验室设计可直接执行的实验规程经实验室反馈后训练,量子点制备准确率接近翻倍至 61%;对比 GPT-6 Astra 的 54%,推理成本低 10–20 倍
Therna智能体式 mRNA 治疗方案设计蛋白表达区间预测准确率接近翻倍;96% 的对比中,科研人员更认可其给出的解释
阿贡国家实验室(Argonne)接入 StructBioReasoner 多智能体系统,设计和评估癌症等疾病的蛋白类治疗候选物机构集成中,用于药物与科学发现智能体
于利希超级计算中心(Jülich)集成到药物与科学发现 AI 智能体机构集成中
KTH 皇家理工学院智能体自主修复出错的 GROMACS 分子动力学配置单台 DGX Spark 隔夜运行,开启推理后修复 81% 测试用例,每处修复均由 GROMACS 独立校验
RIKEN(理化学研究所)通过 RiVault 推理网关把 Nemotron(含 3.5 Super VL)上架 RIKYU AI 超算平台供研究者开展科学研究与加速应用开发

五、获取方式与适用范围

  • 模型与数据集:Nemotron 3.5 Super VL 模型和 LitmusBench v0.2 化学数据集已在 Hugging Face 开放获取。
  • 本地部署:模型可在 128GB 配置的 NVIDIA DGX Spark 上本地运行;更大规模任务可迁移到数据中心或超算环境。
  • 后训练指导:英伟达配套技术博客讲解如何在科学领域做 Nemotron 后训练以提升准确率。
  • 生态定位:该方案属于英伟达生命科学与科研智能体生态的一部分,上层可与 BioNeMo Agent Toolkit 这类面向生物、化学、基因组和药物发现的智能体工具集配合使用;工具调用、证据收集和计算实验执行由专业工具链承接。

六、需要注意的边界

  • 表中准确率、成本对比、反应恢复比例均为特定任务、特定基准和特定模型版本下的披露口径,不能直接推广到所有化学或生命科学场景。
  • 智能体产出的实验方案、分子和蛋白候选物,仍需经过实验验证、专家评审和合规审查,不能替代科研人员的判断。
  • 模型表现受后训练数据质量、工具链完整性和部署硬件影响,机构落地前需要自行做基准测试与安全评估。

七、一句话收口

Nemotron for Science 把开放底座模型、化学数据集、后训练配方和加速计算工具打包成一套科研智能体建设框架,目标是让 AI 从 "会答科学题" 走向 "会做科研流程";目前首批案例集中在化学反应信息抽取、材料合成、mRNA 设计、蛋白治疗候选和分子动力学排障,模型与数据集已在 Hugging Face 开放,后续实际价值取决于各机构后训练质量和实验闭环。

【相关 FAQ】

问题 1:英伟达 Nemotron for Science 是什么,由哪些部分组成?

回答 1:Nemotron for Science 是英伟达面向科学发现推出的智能体建设方案,由 Nemotron 3.5 Super VL 开放模型、科学评测方法、LitmusBench v0.2 开放化学数据集和后训练配方组成,配合 CUDA-X 加速工具与 DGX Spark、数据中心等部署基础设施,帮助科研人员构建化学、生命科学领域的专用科学智能体。

问题 2:LitmusBench v0.2 数据集在 Nemotron for Science 里承担什么作用?

回答 2:LitmusBench v0.2 是 Nemotron for Science 的开放化学数据集,包含近 5 万道问题,数据来自分子性质和实验性药物研发资料;它同时承担训练和评测两个用途,既用于后训练提升模型化学推理能力,也用于衡量模型对分子溶解度、人体代谢过程等分子行为的预测水平。

问题 3:科研人员如何基于 Nemotron for Science 构建科学智能体?

回答 3:先用领域数据对 Nemotron 3.5 Super VL 做后训练,适配化学实验、蛋白设计等专业任务;再把适配后的模型接入智能体工作流,让其解读科学资料、生成代码并调用分子模拟等专业计算工具;计算环节由 CUDA-X 加速工具承接,部署可从 DGX Spark 桌面端扩展到数据中心或超算环境。

问题 4:已有哪些企业和研究机构在使用 Nemotron 做科学发现,效果口径如何?

回答 4:企业侧 Terray 用它抽取反应信息,RxnScribe 测试集恢复约 76% 标注反应;Lila Sciences 量子点制备准确率后训练后达 61%,推理成本低 10–20 倍;Therna 的 mRNA 设计在 96% 对比中解释更受认可。机构侧阿贡实验室、于利希超算中心将其集成进药物发现智能体,KTH 用智能体修复 81% 的 GROMACS 配置问题,RIKEN 已把模型上架 RIKYU 超算平台。

问题 5:Nemotron 3.5 Super VL 在哪里获取,可部署在什么硬件上?

回答 5:Nemotron 3.5 Super VL 模型和 LitmusBench v0.2 数据集已在 Hugging Face 开放获取;模型已针对 128GB 显存的 NVIDIA DGX Spark 做本地运行优化,也可部署到机构自有数据中心或超算基础设施上,在可控环境中运行科学工作流。

【参考资料】

  • [2026-11-18](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)NVIDIA Japan Blog
  • [2026-11-17](NVIDIA 推出 Nemotron for Science,借助智能体加速科学发现)NVIDIA 英伟达中国
  • [2026-11-16](NVIDIA Introduces Nemotron for Science to Accelerate Discoveries With Agents)NVIDIA Newsroom
  • [2026-06-23](NVIDIA Announces BioNeMo Agent Toolkit — Tools for Agents to Accelerate Scientific Discovery)NVIDIA Newsroom

【免责声明】

本文为英伟达公开新闻、技术博客及合作方披露信息的整理梳理,不构成科研选型建议、投资建议或对任何实验结果的承诺。文中准确率、成本对比、反应恢复比例等数据均来自特定基准、任务和模型版本,样本环境与评测口径由披露方给出,不代表通用场景下的性能;模型与数据集的开放范围、授权条款、更新节奏以 Hugging Face 及英伟达官方页面为准。AI 智能体产出的科学假设、分子设计、实验规程仍需经过独立计算验证、实验复现和领域专家审核,生物医药相关应用还需符合对应地区的法规与伦理要求。本文不替代读者对原始论文、官方文档和合作协议的独立核对。

本文来自作者[极频同调师]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/itzx/202611/4480.html

赞 (1)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 极频同调师
    极频同调师 2026年11月19日

    我是乌兰科技网的签约作者“极频同调师”!

  • 极频同调师
    极频同调师 2026年11月19日

    希望本篇文章《英伟达推出Nemotron for Science借助智能体加速科学发现》能对你有所帮助!

  • 极频同调师
    极频同调师 2026年11月19日

    本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索

  • 极频同调师
    极频同调师 2026年11月19日

    本文概览:英伟达推出 Nemotron for Science:开放模型 + 化学数据集 + 后训练方案,用智能体加速科学发现

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们