एआई मॉडल और प्लेटफ़ॉर्म
NVIDIA ने विज्ञान के लिए Nemotron और खुला रसायन विज्ञान डेटासेट लॉन्च किया

मुख्य बिंदुसत्यापन पैकेज का मुख्य डिज़ाइन है क्योंकि प्रयोगात्मक संदर्भ और डोमेन सॉफ़्टवेयर मॉडल…
और देखें
- सत्यापन पैकेज का मुख्य डिज़ाइन है क्योंकि प्रयोगात्मक संदर्भ और डोमेन सॉफ़्टवेयर मॉडल के आउटपुट का स्कोर करते हैं।
- लिटमसबेंच मापे गए प्रयोगात्मक परिणामों को स्वचालित पुरस्कारों में बदलता है जो मानवीय प्राथमिकता लेबलिंग की आवश्यकता को हटा देते हैं।
- एनवीडिया के रिपोर्ट किए गए लाभ सीमित कार्यों तक सीमित हैं और सामान्य प्रयोगशाला स्वायत्तता स्थापित नहीं करते।
NVIDIA ने विज्ञान के लिए Nemotron पेश किया 16 नवंबर, 2026 को। इसके साथ कंपनी ने अपना खुला Nemotron 3.5 Super VL मॉडल, वैज्ञानिक मूल्यांकन, पोस्ट-ट्रेनिंग की विधियाँ और LitmusBench v0.2 जारी किया—यह रसायन विज्ञान का एक डेटासेट है, जिसमें शोध एजेंटों को प्रशिक्षित करने और उनका मूल्यांकन करने के लिए लगभग 50,000 प्रश्न हैं।
यह पैकेज ऐसे एजेंटों के लिए बनाया गया है जो वैज्ञानिक जानकारी की व्याख्या करते हैं, कोड तैयार करते हैं और कंप्यूटेशनल टूल का उपयोग करते हैं; इनमें CUDA-X से त्वरित सॉफ़्टवेयर भी शामिल है। शोधकर्ता रसायन विज्ञान के प्रयोगों और प्रोटीन डिज़ाइन जैसे कामों के लिए डोमेन-विशिष्ट डेटा से मॉडल की पोस्ट-ट्रेनिंग कर सकते हैं और इस तरह एक सामान्य विज़न-लैंग्वेज सिस्टम को किसी खास वैज्ञानिक कार्य के अनुरूप ढाल सकते हैं।
इसके मॉडल कार्ड के अनुसार, मूल मॉडल Hugging Face पर 15 अक्टूबर, 2026 को जारी किया गया था। इसमें कुल 120 अरब पैरामीटर हैं, जिनमें से 12 अरब सक्रिय हैं। यह टेक्स्ट, छवि और वीडियो इनपुट ले सकता है, टेक्स्ट आउटपुट देता है और इसकी संदर्भ विंडो में अधिकतम 10 लाख टोकन समा सकते हैं। इसलिए इस घोषणा में नया योगदान वैज्ञानिक डेटा, मूल्यांकन और अनुकूलन की विधियाँ हैं।
मॉडल और डेटासेट Hugging Face पर उपलब्ध हैं, और NVIDIA ने मॉडल को 128GB DGX Spark सिस्टम पर स्थानीय रूप से चलाने के लिए अनुकूलित किया है।
रसायन विज्ञान का डेटा और सत्यापन योग्य प्रशिक्षण
LitmusBench v0.2 में अणुओं के गुणों और दवा खोज से जुड़े प्रयोगात्मक डेटा का उपयोग किया गया है। इसमें घुलनशीलता और मानव शरीर अणुओं को किस तरह संसाधित करता है, जैसे व्यवहार शामिल हैं। डेटासेट रिपॉज़िटरी में अंग्रेज़ी टेक्स्ट-जनरेशन डेटा को रसायन विज्ञान, अणुओं के गुणों के पूर्वानुमान और सत्यापन योग्य पुरस्कारों के साथ रीइन्फोर्समेंट लर्निंग के लिए टैग किया गया है। इसमें CC-BY-SA-4.0 और OpenMDW-1.1 लाइसेंस भी सूचीबद्ध हैं।
NVIDIA की तकनीकी मार्गदर्शिका इसके साथ दी गई विधि की व्याख्या करती है। प्रयोगों के CSV रिकॉर्ड को प्रश्न-उत्तर जोड़ियों में बदला जाता है और उनके मापे गए परिणाम स्वचालित सत्यापक का काम करते हैं। इससे मानवीय पसंद का लेबल दिए बिना रीइन्फोर्समेंट लर्निंग का परिवेश तैयार होता है; स्कोरिंग की परत के लिए केमइन्फॉर्मेटिक्स टूल, अणु सिम्युलेटर या सीधे जुड़ी स्वायत्त प्रयोगशाला इस्तेमाल की जा सकती है।
मार्गदर्शिका में दवा के चयापचय के उदाहरण में मॉडल को एक मूल अणु और एक एंज़ाइम दिया जाता है, फिर उससे बनने वाले मेटाबोलाइट का पूर्वानुमान करने को कहा जाता है। शून्य से एक तक का Tanimoto स्कोर अनुमानित और संदर्भ आणविक फिंगरप्रिंट के बीच समानता मापता है और संरचनात्मक समानता पर आधारित पुरस्कार देता है। NVIDIA के अनुसार, इस उदाहरण में सुपरवाइज़्ड फ़ाइन-ट्यूनिंग से सटीकता 12% बढ़ी और 16,384 टोकन के आउटपुट बजट पर रीइन्फोर्समेंट लर्निंग ने इसमें 17% की अतिरिक्त वृद्धि की।
वैकल्पिक वार्म-स्टार्ट में अधिक सक्षम टीचर से तर्क-श्रृंखलाएँ तैयार कराई जाती हैं और रीइन्फोर्समेंट लर्निंग से पहले केवल उन्हीं को रखा जाता है जो समानता की तय सीमा पूरी करती हैं। इस उदाहरण में Anthropic के Claude Sonnet 5.5 का उपयोग किया गया है।
जीवन विज्ञान के कार्य-स्तरीय नतीजे
घोषित अनुप्रयोगों में रसायनों से संरचित जानकारी निकालना, प्रयोगशाला प्रोटोकॉल तैयार करना और उपचारों का डिज़ाइन करना शामिल है। NVIDIA द्वारा बताए गए ये नतीजे सीमित दायरे वाले कार्यों से संबंधित हैं; इनसे प्रयोगशाला में सामान्य स्वायत्तता सिद्ध नहीं होती।
Terray Therapeutics ने वैज्ञानिक आरेखों से अभिकारक, उत्पाद और प्रतिक्रिया की स्थितियाँ निकालने के लिए Nemotron की पोस्ट-ट्रेनिंग की। NVIDIA के अनुसार, RxnScribe टेस्ट में उस बेंचमार्क के मिलान मानदंडों के तहत मॉडल ने चिह्नित प्रतिक्रियाओं में से लगभग 76% की पहचान की। इससे प्रकाशित रसायन विज्ञान को संश्लेषण की योजना बनाने और वैज्ञानिक एजेंटों के उपयोग के लिए संरचित डेटा में बदलने में मदद मिलती है।
Lila Sciences ने अपनी स्वचालित प्रयोगशालाओं के लिए निष्पादन-योग्य प्रोटोकॉल तैयार करने में Nemotron का उपयोग किया। NVIDIA के अनुसार, प्रयोगशाला से मिले फ़ीडबैक के साथ पोस्ट-ट्रेनिंग करने पर क्वांटम डॉट बनाने की सटीकता लगभग दोगुनी होकर 61% हो गई। क्वांटम डॉट नैनोस्केल क्रिस्टल होते हैं, जिनका उपयोग स्क्रीन और सौर पैनलों में किया जाता है। तुलना में, GPT-6 Astra की सटीकता 54% थी; साथ ही, अनुमान लगाने की लागत 10 से 20 गुना कम रही।
Therna ने एजेंट-आधारित mRNA उपचार डिज़ाइन पर NVIDIA के साथ काम किया। NVIDIA के अनुसार, ट्यून किए गए मॉडल ने प्रोटीन-अभिव्यक्ति की सीमाओं का पूर्वानुमान लगाने में अत्याधुनिक मॉडलों की तुलना में लगभग दोगुनी सटीकता हासिल की। वैज्ञानिकों ने 96% तुलनाओं में इसकी व्याख्याओं को मूल मॉडल की व्याख्याओं से बेहतर माना।
शोध में उपयोग और स्थानीय अवसंरचना
Argonne National Laboratory, StructBioReasoner में Nemotron को एकीकृत कर रही है। यह कई एजेंटों वाली प्रणाली है, जिसे कैंसर और अन्य बीमारियों के लिए प्रोटीन-आधारित उपचार उम्मीदवारों को डिज़ाइन करने और उनका मूल्यांकन करने के लिए बनाया गया है। Jülich Supercomputing Centre भी वैज्ञानिक खोज के एजेंटों में इस मॉडल को एकीकृत कर रहा है।
KTH Royal Institute of Technology ने GROMACS के खराब हो चुके आणविक-गतिशीलता सेटअप को ठीक करने के लिए Nemotron एजेंट बनाया। NVIDIA के अनुसार, एक DGX Spark पर रात भर चले एक परीक्षण में, तर्क क्षमता चालू रखने पर इसने 81% मामलों को ठीक किया और GROMACS ने हर सुधार की स्वतंत्र रूप से जाँच की।
RIKEN ने वैज्ञानिक शोध और त्वरित अनुप्रयोगों के विकास के लिए अपने RIKYU AI सुपरकंप्यूटिंग प्लेटफ़ॉर्म पर RiVault इनफ़रेंस गेटवे के माध्यम से Nemotron मॉडल उपलब्ध कराए हैं, जिनमें 3.5 Super VL भी शामिल है। स्थानीय DGX Spark पर तैनाती के साथ, इससे शोध संगठनों को अपने नियंत्रण वाले अवसंरचना पर वैज्ञानिक कार्यप्रवाह चलाने का विकल्प मिलता है।
इसकी एकीकृत रूपरेखा सत्यापन पर आधारित है: ओपन मॉडल तर्क करने और टूल इस्तेमाल करने की क्षमता देता है, जबकि प्रयोगात्मक संदर्भ, प्रयोगशाला से मिली प्रतिक्रिया या विषय-विशेष सॉफ़्टवेयर उसके आउटपुट का मूल्यांकन करते हैं। इससे कार्यों का चयन, मूल्यांकन-विधि की गुणवत्ता और अलग रखे गए डेटा पर आकलन इस पैकेज की उपयोगिता के लिए केंद्रीय हो जाते हैं: बेंचमार्क में सुधार तभी मायने रखता है, जब सत्यापनकर्ता उस वैज्ञानिक नतीजे को मापे जिसकी शोधकर्ताओं को वास्तव में तलाश है।












