NVIDIA BioNeMo एजंट टूलकिट AI एजंटना वैज्ञानिक शोधाला गती देण्यासाठी साधने देते

NVIDIA चे BioNeMo एजंट टूलकिट प्रथिने डिझाइन, जीनोमिक्स आणि औषध शोधासाठी एजंट-कॉल करण्यायोग्य कौशल्यांमध्ये जीवन-विज्ञान लायब्ररींचे दशकभर एकत्रीकरण करते.

NVIDIA ने सामान्य-उद्देश AI एजंट्सना विशेष वैज्ञानिक संशोधन सहाय्यकांमध्ये बदलण्यासाठी डिझाइन केलेल्या टूलकिटचे अनावरण केले आहे. कंपनीने NVIDIA BioNeMo Agent Toolkit ची घोषणा केली, जो NVIDIA ला "एजंटिक लाइफ सायन्सेस युग" म्हणते त्यासाठी तयार केलेली डोमेन-विशिष्ट साधने आणि कौशल्यांचा संग्रह आहे. एकल फ्रंटियर मॉडेलला सुरवातीपासून जीवशास्त्राच्या समस्येवर मार्ग काढण्यास सांगण्याऐवजी, टूलकिट एजंटांना एक तयार वैज्ञानिक टूलबॉक्स देते - त्यांना पुरावे गोळा करण्यास, संगणकीय प्रयोग चालवण्यास, निष्कर्षांवरील कारणे सांगण्याची आणि पुढील चरणांची शिफारस करण्याची परवानगी देते, NVIDIA ने या आठवड्यात आपल्या घोषणेमध्ये म्हटले आहे. हे AI उद्योग चॅट इंटरफेसमधून स्वायत्त संशोधन कार्यप्रवाहाकडे जाण्याच्या अधिक ठोस उदाहरणांपैकी एक आहे.

जीवन-विज्ञान ग्रंथालयांचा एक दशक, एजंट्ससाठी रिपॅकेज

टूलकिट एका दशकाहून अधिक काळातील NVIDIA च्या जीवन-विज्ञान लायब्ररी, टूल्स आणि ओपन मॉडेल्सचे एकल, एजंट-कॉलेबल फ्रेमवर्कमध्ये एकत्रित करते. हे NVIDIA BioNeMo च्या शीर्षस्थानी तयार केले आहे आणि कंपनीच्या प्रवेगक-संगणन प्लॅटफॉर्मसह NVIDIA NIM मायक्रोसर्व्हिसेस, NVIDIA Parabricks, NVIDIA NeMo आणि NVIDIA Nemotron तंत्रज्ञानाद्वारे समर्थित आहे. "एजंटिक जीवन विज्ञानासाठी एक मुक्त आणि विश्वासार्ह पाया" प्रदान करणे हे ध्येय आहे," NVIDIA ने सांगितले.

कंपनीच्या मते, टूलकिट सामान्य-उद्देशीय एजंटला काही मिनिटांत जीवन-विज्ञान एजंटमध्ये बदलू शकते. हे जीवशास्त्रज्ञ प्रत्यक्षात करत असलेल्या कार्यांसाठी एजंट-कॉल करण्यायोग्य कौशल्यांचा संच उघड करून कार्य करते: प्रोटीन संरचना अंदाज, आण्विक डॉकिंग, जनरेटिव्ह केमिस्ट्री, जीनोमिक विश्लेषण, प्रोटीन डिझाइन आणि बायोमार्कर शोध. कोणताही एजंट किंवा एआय प्लॅटफॉर्म — सामान्य हेतूच्या सहाय्यकापासून ते विशेष वैज्ञानिक एजंट किंवा इन-हाउस बायोफार्मा सिस्टमपर्यंत — त्या कौशल्यांचा उपयोग ज्ञान संश्लेषित करण्यासाठी, मॉडेल कॉल करण्यासाठी, परिणामांचे मूल्यांकन करण्यासाठी आणि पुढील क्रिया करण्यासाठी करू शकतात.

"वैज्ञानिक टूलबॉक्स" ते मॉडेलच्या "मेंदूला"

NVIDIA चे CEO जेन्सेन हुआंग यांनी फ्रंटियर मॉडेल्स आणि नवीन टूलकिट यांच्यातील संबंध वैशिष्ट्यपूर्णपणे थेट शब्दांत मांडले. "फ्रंटियर मॉडेल्स हे मेंदू आहेत. BioNeMo हे वैज्ञानिक टूलबॉक्स आहे," तो म्हणाला. "एकत्रितपणे, ते एआय एजंटना पीएचडी संशोधन सहाय्यकाचे कौशल्य आणि सुपर कॉम्प्युटरची गती देतात. प्रथमच, संशोधक एआय एजंट तयार करू शकतात जे वैज्ञानिक ज्ञान समजतात आणि त्यावर कार्य करू शकतात."

खेळपट्टी आजच्या सर्वात सक्षम मॉडेलची वास्तविक मर्यादा संबोधित करते. एक सामान्य-उद्देश एजंट वैज्ञानिक कार्यप्रवाह कार्यक्षमतेने नेव्हिगेट करण्यासाठी संघर्ष करू शकतो कारण त्याने उडताना योग्य साधने, इनपुट, आउटपुट आणि जैविक अर्थ काढणे आवश्यक आहे. एजंटना सुस्पष्ट, सु-परिभाषित साधने देऊन, BioNeMo Agent Toolkit चा उद्देश त्यांना योग्य क्षमता कॉल करू देणे, परिणामांचे अधिक अचूक अर्थ लावणे आणि अस्सल वैज्ञानिक अंतर्दृष्टी जलदपणे काढणे आहे.

पहिल्या दिवसापासून दत्तक

NVIDIA ने सांगितले की, 50 हून अधिक कंपन्या आधीच वैज्ञानिक शोध पुढे नेण्यासाठी टूलकिट वापरत आहेत. आर्क इन्स्टिट्यूट, ओपन मॉलिक्युलर सॉफ्टवेअर फाउंडेशन आणि युनिव्हर्सिटी ऑफ वॉशिंग्टन इन्स्टिट्यूट फॉर प्रोटीन डिझाइन (IPD) सह ओपन-मॉडेल आणि संशोधन संस्था फ्रंटियर मॉडेल्स प्रगत करण्यासाठी आणि त्यांना एजंट-रेडी वर्कफ्लोद्वारे अधिक प्रवेशयोग्य बनवण्यासाठी NVIDIA सह सहयोग करत आहेत.

डेव्हिड बेकर, युनिव्हर्सिटी ऑफ वॉशिंग्टन स्कूल ऑफ मेडिसिनमधील बायोकेमिस्ट्रीचे प्राध्यापक आणि इन्स्टिट्यूट फॉर प्रोटीन डिझाइनचे संचालक, यांनी प्रवेशाच्या महत्त्वावर जोर दिला. "प्रोटीन डिझाइनसाठी आम्ही तयार केलेले प्रत्येक साधन हे केवळ शास्त्रज्ञांइतकेच शक्तिशाली आहे जे त्यात कार्यक्षमतेने प्रवेश करू शकतात," ते म्हणाले, "विज्ञानातील पुढील झेप एकाच यशस्वी मॉडेलमधून येणार नाही तर थेट संशोधकांच्या हातात शक्तिशाली साधने ठेवणाऱ्या प्रणालींमधून येईल." बेकरने संगणकीय प्रोटीन डिझाइनवरील कामासाठी रसायनशास्त्रातील 2024 चे नोबेल पारितोषिक सामायिक केले.

वाढत्या एजंट स्टॅकवर तयार केलेले

टूलकिट NVIDIA च्या विस्तृत एजंटिक तंत्रज्ञानाच्या पोर्टफोलिओमध्ये आहे. NVIDIA त्याची लायब्ररी, मॉडेल्स आणि फ्रेमवर्क एजंट-कॉल करण्यायोग्य साधनांमध्ये बदलून संपूर्ण BioNeMo प्लॅटफॉर्म ऑप्टिमाइझ करत आहे. त्यामध्ये रिझनिंग फाउंडेशनसाठी NVIDIA Nemotron ओपन मॉडेल्स, मजबुतीकरण शिक्षणासाठी NVIDIA NeMo RL लायब्ररी आणि सुरक्षित, खाजगी एजंट्ससाठी NVIDIA NemoClaw ब्लूप्रिंट्स वापरणे समाविष्ट आहे जे टास्क, कॉल टूल्स आणि डेटाशी संवाद साधू शकतात. NVIDIA NIM मायक्रोसर्व्हिसेस एजंटना मॉडेलला कॉल करण्यात आणि कार्ये पूर्ण करण्यात मदत करतात, तर NVIDIA OpenShell रनटाइम नियंत्रित एक्झिक्युटेबल वातावरण प्रदान करते.

हे महत्त्वाचे का आहे

जीवन विज्ञान हे जगातील सर्वात परिणामकारक वैज्ञानिक सीमांपैकी एक आहे. NVIDIA ने अंदाजे $3.8 ट्रिलियनचा जागतिक वैज्ञानिक R&D खर्च आणि वार्षिक फार्मास्युटिकल अंदाजपत्रक $300 बिलियनच्या जवळपास उद्धृत केले. कंपनीचे म्हणणे आहे की एजंटिक वर्कफ्लो उद्योगाला जलद पुनरावृत्ती करण्यास, खर्च कमी करण्यास आणि औषध शोध आणि विकासामध्ये यशाची शक्यता वाढविण्यात मदत करू शकते.

हे प्रकाशन वैज्ञानिकांना AI कसे वितरीत केले जाते त्यामध्ये एक धोरणात्मक बदल देखील चिन्हांकित करते: प्रॉम्प्ट करण्यासाठी एक मोनोलिथिक मॉडेल म्हणून नाही, परंतु एजंट ऑर्केस्ट्रेट करू शकणाऱ्या विशेष, कॉल करण्यायोग्य साधनांची एक समन्वित प्रणाली म्हणून. जर हा दृष्टीकोन चालू असेल तर, नवीनतम AI घडामोडी सूचित करते की भविष्यातील प्रयोगशाळा एका सर्वज्ञात सहाय्यकाद्वारे कमी आणि मानवी संशोधकांसोबत काम करणाऱ्या इन्स्ट्रुमेंट-वील्डिंग एजंटच्या टीमद्वारे जास्त चालवल्या जाऊ शकतात.