LO ESENCIAL EN 30 SEGUNDOS
- El paquete reúne el modelo abierto Nemotron 3.5 Super VL, el conjunto de datos de química LitmusBench v0.2 con casi 50.000 preguntas y recetas de posentrenamiento para agentes científicos.
- Los pesos del modelo y el conjunto de datos están en Hugging Face; el modelo está optimizado para funcionar en local en un DGX Spark de 128 GB.
- Terray, Lila Sciences, Therna, Argonne, Jülich, KTH y RIKEN figuran como usuarios; sus resultados los comunica Nvidia y no se han verificado de forma independiente.
Nvidia aprovechó la conferencia de supercomputación SC26 de Chicago para presentar el 16 de noviembre Nemotron for Science, un paquete pensado para que los investigadores construyan agentes de IA especializados en trabajo científico. Más que un modelo nuevo, rodea de herramientas a uno existente.
Qué incluye
La base es Nemotron 3.5 Super VL, un modelo multimodal abierto. Según Unite.AI, que cita su ficha técnica, se publicó en Hugging Face a mediados de octubre, tiene unos 120.000 millones de parámetros, de los que unos 12.000 millones están activos, y admite texto, imágenes y vídeo. Nvidia afirma que está optimizado para ejecutarse en local en un DGX Spark con 128 GB de memoria.
Las novedades son LitmusBench v0.2, un conjunto de datos abierto con casi 50.000 preguntas de química basadas en propiedades moleculares y datos experimentales de descubrimiento de fármacos (como solubilidad y metabolismo), y unas recetas de posentrenamiento para adaptar el modelo a tareas como experimentos químicos o diseño de proteínas. Los agentes pueden usar las herramientas científicas CUDA-X de Nvidia. Los pesos y el conjunto de datos ya están disponibles en Hugging Face. El comunicado no indica las licencias; Unite.AI señala CC-BY-SA-4.0 y OpenMDW-1.1 para el conjunto de datos.
Quién lo usa
Nvidia menciona varios usuarios iniciales. Terray Therapeutics entrenó el modelo para extraer reacciones de diagramas químicos y dice recuperar alrededor del 76 % de las reacciones anotadas en la prueba RxnScribe. Lila Sciences asegura que, tras un posentrenamiento con información de su laboratorio, la precisión en protocolos de síntesis de puntos cuánticos subió al 61 %, frente al 54 % de un modelo puntero que identifica como GPT-6 Astra, con un coste de inferencia entre 10 y 20 veces menor. Therna lo aplica al diseño de terapias de ARNm. El Real Instituto de Tecnología KTH, de Suecia, creó un agente que reparó el 81 % de configuraciones defectuosas de dinámica molecular en GROMACS en una sola noche y con un único DGX Spark.
En el sector público, el Laboratorio Nacional Argonne está incorporando Nemotron a StructBioReasoner, su sistema multiagente para candidatos terapéuticos basados en proteínas; el Centro de Supercomputación de Jülich, en Alemania, lo integra en sus agentes de descubrimiento, y el japonés RIKEN ofrece los modelos Nemotron en su plataforma RIKYU a través de la pasarela de inferencia RiVault.
Salvedades
Todas las cifras de los socios proceden del anuncio de Nvidia y se refieren a tareas acotadas; ninguna se había replicado de forma independiente en el lanzamiento. Como apunta Unite.AI, este tipo de mejoras depende de que el sistema de puntuación automática mida el resultado científico que de verdad importa, y no prueba que los agentes puedan dirigir solos un laboratorio.
