NVIDIA Mengembangkan Infrastruktur AI Untuk Ilmu Hayati Dengan Toolkit BioNeMo Untuk Penemuan Ilmiah Otomatis | Metaverse Post

Secara Singkat

NVIDIA meluncurkan BioNeMo Agent Toolkit, memungkinkan agen AI mengakses alat canggih untuk penelitian protein, desain molekuler, dan analisis genom.

NVIDIA Expands AI Infrastructure For Life Sciences With BioNeMo Toolkit For Automated Scientific DiscoveryPerusahaan teknologi NVIDIA memperkenalkan BioNeMo Agent Toolkit, sebuah toolkit terbuka yang dirancang untuk memberikan agen AI akses ke alat khusus untuk penelitian biologis, termasuk prediksi struktur protein, docking molekuler, kimia generatif, analisis genom, dan aplikasi biologi komputasi lainnya.

Menurut NVIDIA, toolkit ini dirancang untuk mengubah platform biologi digital yang dipercepat menjadi seperangkat kemampuan siap-agen yang memungkinkan sistem AI memilih, mengoperasikan, dan menafsirkan model ilmiah canggih. Platform ini menggabungkan layanan NVIDIA BioNeMo, model yang dioptimalkan, dan teknologi pendukung untuk membantu mengotomatisasi alur kerja penelitian yang kompleks.

Toolkit ini menyediakan akses ke berbagai kemampuan biomolekuler melalui model terbuka NVIDIA NIM dan BioNeMo, termasuk prediksi struktur protein, generasi molekuler, desain urutan, pencarian biologis, dan analisis genom. Layanan ini didukung oleh teknologi NVIDIA seperti cuEquivariance untuk model berbasis struktur dan Parabricks untuk beban kerja genom, memungkinkan kinerja yang dioptimalkan di luar percepatan perangkat keras standar.

Fitur utama dari platform ini adalah pengenalan BioNeMo Skills, yang mengemas model ilmiah menjadi alat yang terdokumentasi dan dapat dipanggil yang dapat digunakan oleh agen AI. Setiap skill mencakup informasi tentang tujuan model, input yang diperlukan, parameter yang tersedia, output yang diharapkan, dan potensi keterbatasan. Untuk model yang belum tersedia melalui NVIDIA NIM, integrasi server Model Context Protocol (MCP) menyediakan antarmuka yang serupa siap-agen.

Alur Kerja Penelitian Berbasis AI dan Opsi Penempatan

BioNeMo Agent Toolkit dirancang untuk mendukung alur kerja penelitian berbasis AI di mana agen dapat memilih model yang sesuai, menyiapkan input, menganalisis hasil, dan menyempurnakan eksperimen. Contoh alur kerja yang didukung termasuk menghasilkan penyelarasan urutan, memprediksi struktur protein, merancang molekul, dan mengevaluasi interaksi antara protein dan senyawa.

Platform ini memungkinkan peneliti dan pengembang memilih antara layanan NVIDIA NIM yang dihosting atau opsi penempatan lokal. Layanan yang dihosting menyediakan akses lebih cepat tanpa memerlukan tim mengelola infrastruktur, sementara penempatan lokal menawarkan kontrol lebih besar atas latensi, keamanan, dan tugas komputasi berulang.

NVIDIA menyatakan bahwa BioNeMo Skills dimaksudkan untuk menyederhanakan penerapan dan penggunaan model AI biologis dengan menghilangkan hambatan teknis terkait pengelolaan dependensi dan menjalankan model dari kode sumber. Pendekatan ini memungkinkan agen AI bekerja melalui siklus penelitian iteratif, termasuk menghasilkan kandidat, meninjau output, menyesuaikan parameter, dan mengulangi eksperimen.

Menurut NVIDIA, evaluasi internal menunjukkan bahwa agen AI yang menggunakan BioNeMo Skills meningkatkan kinerja penyelesaian tugas dibandingkan agen yang beroperasi tanpa alat tambahan. Perusahaan juga melaporkan peningkatan efisiensi dalam penggunaan alat, dengan agen menghasilkan lebih banyak langkah alur kerja yang berhasil sambil mengkonsumsi lebih sedikit sumber daya.

Toolkit ini mendukung berbagai output ilmiah, termasuk file struktur molekuler, format urutan, dan representasi kimia, memungkinkan agen memproses dan menafsirkan hasil di berbagai aplikasi penelitian.

NVIDIA memposisikan BioNeMo Agent Toolkit sebagai fondasi untuk mengembangkan asisten ilmiah berbasis AI yang mampu berinteraksi dengan model biologis canggih. Platform ini menggabungkan infrastruktur komputasi yang dipercepat, model AI khusus, dan alat berbasis agen untuk mendukung pendekatan penelitian biomolekuler yang lebih efisien dan skalabel.

Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar