NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

NVIDIA、科学研究向けエージェント構築のNemotron for Scienceを発表──化学の学習・評価データ約5万問と事後学習レシピ、GROMACS修復は単一DGX Sparkで81%

NVIDIAは2026年11月16日、科学研究向けエージェント構築の取り組みNemotron for Scienceを発表した。オープンモデルNemotron 3.5 Super VLに、化学推論の学習・評価用オープンデータセットLitmusBench v0.2(学習47,118問・試験2,056問)と事後学習レシピを組み合わせ、研究者が専門特化の科学エージェントを作れるようにする。発表では、KTH王立工科大学が構築したエージェントが単一のDGX Sparkで一晩の実行によりGROMACS分子動力学の壊れた構成の81%を修復し、修復のたびにGROMACS自体が独立に検査した例や、Terray Therapeuticsの反応図抽出がRxnScribe試験で注釈付き反応の約76%を回復した例を紹介している。数値はNVIDIAと協力組織の報告値で、独立検証はされていない。モデルとデータセットはHugging Faceで公開中で、128GBのDGX Sparkでのローカル実行に最適化された。

発表の構成は、既存のオープンモデルを科学分野に適応させるための資源一式だ。基盤はNemotron 3.5 Super VLで、科学分野の評価、新しいオープン化学データセット、事後学習のレシピを組み合わせる。汎用モデルには専門的なデータと外部計算による検証が足りないという問題意識から、モデル・データ・評価・学習手順を一つの取り組みにまとめた。新しい基盤アーキテクチャの提案ではなく、公開資源と応用事例の発表にあたる。

図解事後学習からエージェント運用までの流れ
  1. 01 事後学習

    専門データで適応

    ドメイン特化のデータでNemotronオープンモデルをポストトレーニングし、専門課題の性能を上げる

  2. 02 エージェント統合

    解釈・コード生成・ツール呼び出し

    学習したモデルを、科学情報を解釈しコードを生成し計算ツールを呼ぶエージェントの流れに組み込む

  3. 03 計算実行

    CUDA-X加速ツール

    エージェントの流れがCUDA-Xの加速ツールを使って科学計算を実行する

  4. 04 外部検証

    対象ツールで確認

    報告された例では、GROMACSの修復エージェントが直した構成をGROMACS自体が独立に検査した

NVIDIAプレスリリースのPost-Training節とKTHの事例説明(2026-11-17確認)。最後の検証ステップはKTH事例での実施内容。

化学推論の学習と評価に使えるのがLitmusBench v0.2だ。Hugging Faceのデータセットカードによると、学習用47,118問と試験用2,056問の短答形式で、ChEMBL、ExpansionRx、Biogenのデータセットから作られ、一部の問題はRDKitの記述子を使う。分子の挙動、たとえば溶解度や生体内での処理の予測能力を鍛えることを目的に、強化学習(RLVR)での学習を想定してNeMo Gymの一部として公開されている。ライセンスはChEMBL由来の問題がCC BY-SA 4.0、その他がOpenMDW 1.1で、商用・非商用ともに利用可能と明記されている。

図解発表で紹介された協力組織の成果
  • Terray Therapeutics

    報告された内容
    反応図から反応物・生成物・反応条件を抽出するようポストトレーニング
    数値
    RxnScribe試験で注釈付き反応の約76%を回復(ベンチマークの一致基準)
  • Lila Sciences

    報告された内容
    自動化ラボ向けの実行可能な実験プロトコル設計。追加ファインチューニングなしでフロンティア級
    数値
    量子ドット作製の精度がポストトレーニングで約2倍の61%。GPT-6 Astraの54%を推論費用10〜20分の1で上回る
  • Therna

    報告された内容
    NVIDIAと協力しmRNA治療設計向けにポストトレーニング
    数値
    タンパク発現量範囲の予測精度がフロンティアモデル比で約2倍。説明の選好はベースモデルとの比較で96%
  • KTH王立工科大学

    報告された内容
    壊れたGROMACS分子動力学の構成を自律修復するエージェント
    数値
    単一DGX Sparkでの一晩の実行で81%の試験ケースを修復(推論有効)。修復はGROMACS自体が独立に検査
  • Argonne国立研究所

    報告された内容
    がんなどのタンパク治療候補を設計・評価するStructBioReasonerマルチエージェントに統合
    数値
    数値の公表なし
  • RIKEN

    報告された内容
    RIKYU AIスーパーコンピューティング基盤でRiVault推論ゲートウェイ経由の利用を提供
    数値
    数値の公表なし

NVIDIAプレスリリース(2026-11-17確認)。数値はNVIDIAと協力組織の報告値で、独立検証はされていない。

「Nemotron for Scienceは、研究者にオープンモデル、科学データ、事後学習のレシピを与え、科学的問題を推論しCUDA-Xの加速ツールを使ってアイデアを発見に変える専門エージェントを作れるようにする。」

Nemotron for Science gives researchers open models, scientific data and post-training recipes to build specialized agents that reason through scientific problems and use CUDA-X accelerated tools to turn ideas into discoveries.

NVIDIA Ian Buck氏(hyperscale and HPC担当副社長)、プレスリリース(2026-11-16)

公開状況は、Nemotron 3.5 Super VLとLitmusBench v0.2がHugging Faceで入手可能で、モデルは128GBのDGX Sparkシステムでのローカル実行に最適化されたとリリースは述べる。研究者個人のデスクトップからスーパーコンピューティングセンターまで同じモデル群を使える位置づけで、RIKENの例は国内の大規模基盤からのアクセスを示す。

読むときの留保として、発表の数値はすべてNVIDIAと協力組織の報告値で、第三者による独立検証はされていない。科学的成果や実運用の性能を保証するものではなく、mRNA設計のような応用は臨床的有効性を示すものでもない。モデル側のカードや学習レシピの実ファイルの内容、利用条件の細部は今後の確認対象で、未知の課題への汎化や誤り率、学習・推論・検証を含めた総費用の公表も現時点では限定的だ。汎用モデルの規模競争ではなく、専門データ・検証ツール・事後学習の組み合わせで特定分野のエージェントを作る設計の一事例として読むのが妥当な範囲だ。

出典

  1. NVIDIA Introduces Nemotron for Science to Accelerate Discoveries With AgentsNVIDIAプレスリリース(2026-11-16)。発表内容、協力組織の数値(81%、約76%、61%対54%、96%)、公開状況の一次資料
  2. Hugging Face: nvidia/Nemotron-RL-litmus-bench-v0.2LitmusBench v0.2データセットカード。学習47,118問・試験2,056問、出典データセット、ライセンス(CC BY-SA 4.0/OpenMDW 1.1)の確認

出典の確認日 2026.11.17

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. NVIDIAのNemotron-Labs-Sigma、連続拡散言語モデルの研究を改訂し少ステップ蒸留のチェックポイントを公開──数学で約8倍、コードで約4倍の生成加速

    Zhihan Yang氏ら17名の論文「Large Language Continuous Diffusion Models」は2026年10月2日の初版から11月12日に改訂され(arXiv v2)、Nemotron-Labs-Sigmaとして3Bと8Bの連続拡散言語モデルの研究と、少ステップ蒸留チェックポイントの公開が示された。分布マッチング蒸留で数学の生成を約8倍、コードを約4倍に加速(forward passあたり8トークン/4トークン)し、精度の損失は無視できる水準で多様性は維持すると報告する。事前SFT蒸留の8BモデルをGB200で1ステップの投機的復号に使うと、自己回帰対比で約3.5倍のスループットを得たという。公開チェックポイントはHugging FaceでNVIDIA Nemotron Open Model Licenseの下にあり、商用・非商用の両方で利用可能と明記されている。数値は著者の報告値で、第三者による再現はまだない。

    記事を読む
  2. NVIDIAとElith、日本の金融AI向け合成ペルソナ900万件を公開 CC BY 4.0で商用も利用可

    NVIDIAとElithは2026年11月9日、日本の公的統計に家計の財務状況と金融リテラシーのデータを組み合わせた合成ペルソナデータセット「Nemotron-Personas-Finance-Japan」を公開しました。100万レコードに9ペルソナずつ付いた計900万ペルソナで、CC BY 4.0ライセンスのもとで商用・非商用ともに利用できます。新しいモデルの発表ではなく、再利用できるデータ資産の公開です。

    記事を読む
  3. NVIDIA、Rebellions・SK Telecomと協業 NVLink Fusionで韓国製NPUをGPU基盤に統合へ

    NVIDIA、Rebellions、SK Telecom(SKT)の3社は2026年11月9日、韓国のソブリンAIインフラを支える協業を発表しました(NVIDIA発表は米国時間11月8日)。Rebellionsが次世代NPU「Rebel R200」にNVIDIAの接続技術NVLink Fusionを採用し、MGXラック設計でGPUとNPUを組み合わせたラック規模の推論システムを開発します。SKTは自社のAIデータセンターへの導入を計画しており、R200システムは2028年に導入準備が整う見込みです。韓国科学技術情報通信部(MSIT)が協業を支援しています。

    記事を読む