화학 질문 5만개 담은 엔비디아($NVDA) 과학 AI 도구 공개
엔비디아가 화학 추론 데이터셋과 후학습 절차를 묶은 과학 연구용 AI 도구를 공개했다. 파트너사 시험 결과로 반응 추출 약 76%, 양자점 합성 정확도 61%, GROMACS 설정 복구율 81%를 제시했다.
토포AI로 이 기사 더 깊이 읽기
엔비디아($NVDA)가 화학 추론 질문 약 5만개를 담은 데이터셋과 AI 모델 후학습 절차를 묶은 과학 연구용 도구를 공개했다. ‘Nemotron for Science’는 연구 과제에 맞춘 AI 에이전트 구축을 돕는다.
엔비디아는 SC26 발표문에서 네모트론 3.5 슈퍼 VL(Nemotron 3.5 Super VL), 화학 추론 데이터셋 LitmusBench v0.2, 후학습 절차를 함께 소개했다. 연구자는 이를 활용해 AI가 과학 정보를 해석하고 코드를 작성하거나 계산 도구를 호출하도록 구성할 수 있다.
후학습은 이미 학습된 모델을 특정 분야의 데이터와 평가 기준에 맞춰 추가로 조정하는 과정이다. 엔비디아는 화학 실험과 단백질 설계를 활용 사례로 들었다.
LitmusBench v0.2에는 언어 모델의 화학 추론을 학습·평가하는 질문이 약 5만개 담겼다. 분자 특성과 신약 개발 실험 데이터를 바탕으로 용해도와 체내에서 분자가 처리되는 방식 등을 다루도록 설계됐다.
모델 페이지에는 네모트론 3.5 슈퍼 VL의 공개일이 10월 15일로 기록돼 있다. 본지는 앞서 네모트론 3.5의 기업용 확장 발표를 전했다. 이번 발표는 모델의 최초 공개보다 과학 연구용 구성과 활용 사례를 소개하는 데 초점을 뒀다.
◇ 연구 현장에서 제시한 시험 결과
엔비디아는 Terray Therapeutics가 과학 도식에서 반응물·생성물·반응 조건을 추출하도록 모델을 후학습했다고 밝혔다. RxnScribe 시험에서는 정해진 일치 기준에 따라 주석이 달린 반응의 약 76%를 찾아냈다고 설명했다.
Lila Sciences는 자동화 실험실에서 사용할 절차를 만드는 데 모델을 적용했다. 엔비디아는 실험실 피드백을 반영한 뒤 양자점 합성 정확도가 61%였고, GPT-6 Astra의 54%보다 높았으며 추론 비용은 10~20배 낮았다고 밝혔다.
엔비디아는 Therna와 함께 mRNA 치료제 설계용 모델을 후학습한 사례도 소개했다. 단백질 발현 범위 예측 정확도가 비교 대상 모델보다 거의 두 배 높았으며, 과학자들은 기본 모델과 비교한 사례의 96%에서 후학습 모델의 설명을 선호했다고 전했다.
스웨덴 왕립공과대학(KTH Royal Institute of Technology)은 분자동역학 프로그램 GROMACS의 설정 오류를 고치는 에이전트를 만들었다. 엔비디아는 DGX Spark 한 대에서 밤새 진행한 한 차례 시험에서 대상 사례의 81%를 수정했고, 각 수정 결과를 GROMACS가 확인했다고 밝혔다.
아르곤국립연구소(Argonne National Laboratory)는 단백질 기반 치료 후보를 설계·평가하는 다중 에이전트 시스템에 네모트론을 통합하고 있다. 이 사례는 적용을 진행 중인 단계로 발표됐다.
◇ 시험별 결과와 공개 범위
파트너사별 성능 수치는 서로 다른 연구 과제와 시험 기준에서 나왔다. 반응 추출, 양자점 합성, 시뮬레이션 설정 복구 결과를 같은 기준으로 직접 비교할 수는 없다.
각 수치는 엔비디아 발표문에 소개된 파트너사 결과다. 시험별 세부 조건은 발표문에 모두 담기지 않았으며, 독립 재현 시험 결과로 제시되지는 않았다.
엔비디아는 모델을 128GB DGX Spark에서 실행하도록 최적화했다고 밝혔다. 모델과 LitmusBench v0.2 데이터셋은 허깅페이스(Hugging Face)에서 이용할 수 있다.
서지우 기자 




Comment 0
불러오는 중…