NVIDIAは2026年11月16日、スーパーコンピューティング会議「SC26」で、科学研究向けのAI開発基盤「NVIDIA Nemotron for Science」を発表した。これは完成済みの「AI科学者」ではなく、オープンな視覚言語モデル、約5万問の化学データセット、強化学習による事後学習レシピを組み合わせ、研究者自身が専門分野に特化したAIエージェントを開発するための基盤だ。発表では、量子ドット合成の予測精度61%、分子動力学計算の設定修復率81%といった成果も紹介された。ただし、これらの数値を裏付ける資料は技術ブログや査読前論文、企業のプレスリリースなどさまざまで、検証可能な範囲にも違いがある。公開された技術資料をもとに、NVIDIAが提供する仕組みと、科学AIエージェントの実際の到達点を整理する。
チャットボットではなく「研究者が育てる」開発キット
Nemotron for Scienceは、対話型AIに科学の質問を投げかけるためのサービスではない。基盤となるオープンモデルを研究者や企業が独自の専門データで追加学習させ、科学計算ツールを操作するAIエージェントへと組み込むことを想定している。NVIDIAのハイパースケールおよびHPC担当バイスプレジデントであるIan Buck氏は、Nemotron for Scienceについて、研究者にオープンモデル、科学データ、事後学習レシピを提供することで、科学的な問題を推論し、CUDA-Xで高速化されたツールを活用して研究を進める専門エージェントの構築を支援するものだと説明している。
基盤モデルに採用された「NVIDIA Nemotron 3.5 Super-VL」は、総パラメータ数120B(1,200億)、推論時に使用するアクティブパラメータ数12B(120億)の視覚言語モデルだ。Mamba-2とTransformerを組み合わせたハイブリッド型のMixture of Experts(MoE)アーキテクチャを採用し、画像処理にはC-RADIO視覚エンコーダーを統合している。テキスト、画像、動画を入力でき、最大100万トークンのコンテキスト長に対応する。
ライセンスにはOpenMDW-1.1が適用され、商用・非商用の両方で利用できる。標準的なBF16精度のモデルを実行する参照構成として、NVIDIAはH100を4基、またはGB200を2基使用する環境を示している。一方、128GBのメモリを搭載するデスクトップAIコンピューター「DGX Spark」でのローカル実行に向けた最適化も進めている。なお、Nemotron 3.5 Super-VL自体は今回初めて公開されたものではなく、SC26での発表に先立つ2026年10月15日にHugging Faceで公開されている。
約5万問の化学データセット「LitmusBench v0.2」の中身
科学分野に特化した学習に利用できるデータとして、NVIDIAは化学分野のオープンデータセット「LitmusBench v0.2」を提供している。発表では約5万問と紹介されているが、データセットカードによると、内訳は訓練用47,118問、テスト用2,056問の計49,174問だ。データの出所は公開データベースのChEMBL(v36)に加え、ExpansionRxとBiogenが提供するデータセットで、一部には化学計算ライブラリRDKitで算出した記述子も利用されている。分子の溶解度や代謝に関する性質など、126種類の物性と12種類のアッセイ(生物学的評価)エンドポイントを扱う。
問題はすべてテキスト形式の短答式で構成される。例えば、分子構造を表すSMILES文字列を入力として与え、医薬品としての望ましさを評価するQEDスコアなど、特定の数値を回答させる。データセットカードの作成日は2026年9月2日で、ChEMBL由来の問題にはCC BY-SA 4.0、それ以外にはOpenMDW 1.1のライセンスが適用される。
前身のv0.1は2026年3月15日に作成され、ChEMBLとRDKit記述子に基づく訓練用5,232問、テスト用482問で構成されていた。v0.2では訓練データが約9倍に増え、実際のアッセイデータも追加された。主な用途は、NeMo Gymを利用した「検証可能な報酬による強化学習(Reinforcement Learning with Verifiable Rewards:RLVR)」であり、NeMo RL、TRL、Unsloth、veRLなどの学習フレームワークと組み合わせて利用する。既知の分子に関する記録値を正解として照合する仕組みのため、未知の実験結果を直接検証するものではない。
実験記録を自動採点に利用する強化学習の仕組み
Nemotron for Scienceの重要な要素が、科学データを利用したRLVRによる事後学習だ。RLVRは、人間が回答の好ましさを評価するRLHFとは異なり、あらかじめ定義された基準に従ってモデルの回答を自動採点し、その結果を報酬として学習を進める手法である。NVIDIAは11月16日に公開した技術ブログで、科学分野への適用方法を具体的に説明している。
この手法では、SMILES文字列と実測値などが記録されたCSVファイルを、モデルへの質問と正解の組み合わせに変換する。モデルが生成した回答を記録済みの正解データと比較し、一致度を報酬として計算することで、人間が回答を一つずつ評価しなくても強化学習を進められる。既存の実験記録を、そのままモデルの学習に利用できる自動採点の仕組みへ変換する点が特徴だ。
技術ブログでは、代謝データベース「MetxBioDB」を使った薬物代謝予測を具体例として紹介している。モデルには親化合物と代謝に関与する酵素の情報を与え、生成される代謝物の構造を予測させる。その予測結果を正解の分子構造と比較し、分子指紋の類似性を0〜1の範囲で表すTanimoto類似度によって自動採点する。
学習には、LoRAアダプターを利用したGRPO(Group Relative Policy Optimization)を採用し、NeMo Gymが学習環境、NeMo RLが強化学習処理を担当する。出力上限を16,384トークンに設定したこの代謝予測タスクでは、教師あり微調整(SFT)と、それに続く強化学習によって精度が段階的に向上したと報告されている。また、SFTの初期学習データを準備する際には、Claude Sonnet 5.5に推論過程を生成させる蒸留手法も利用した。1,934問の候補から、正解とのTanimoto類似度が0.7以上となった1,123問を選び、学習データとして使用している。
この改善は、NVIDIAの技術ブログに掲載された特定の代謝物予測タスクでの結果であり、査読付き論文による報告ではない。また、採点に使われるTanimoto類似度は分子構造の類似性を測る指標であり、予測された代謝物が実際の実験で生成されるかどうかを直接評価するものではない。
なお、技術ブログではデータセット名が「Litmus-Bench V2.0」と表記されているが、Hugging Faceの公式データセットカードとプレスリリースでは「LitmusBench v0.2」が使用されている。
パートナー企業が報告した成果と、その検証状況
NVIDIAは今回の発表で、ライフサイエンス企業や研究機関によるNemotronの活用事例も紹介した。ただし、それぞれの成果について公開されている技術資料や評価方法には違いがあり、数値を比較する際には評価対象と指標を区別する必要がある。
| 主体・対象 | 報告された数値 | タスクと評価指標 | 根拠となる資料 |
|---|---|---|---|
| NVIDIA(学習レシピ) | SFTとRLによって精度が段階的に向上 | MetxBioDBによる薬物代謝予測(Tanimoto類似度) | NVIDIA技術ブログ |
| Terray Therapeutics | HybridMatch F1が63.4(Nemotron Omni)。Super-VLも初期評価で先行モデルを上回る | RxnCaption-15k、RxnScribeによる化学反応図の解析 | Terray公式技術記事 |
| Terray Therapeutics | 注釈付き反応の約76%を抽出 | RxnScribeテスト(独自の一致基準) | NVIDIAプレスリリース |
| Lila Sciences | 精度61%(GPT-6 Astraは54%) | 量子ドット合成プロトコルの設計 | NVIDIAプレスリリース |
| Therna | 予測精度がほぼ2倍、説明の選好率96% | mRNAのタンパク質発現範囲予測 | Therna・NVIDIAの発表文 |
| Argonne国立研究所 | 50.98%が基準より1標準偏差以上良好(Der f 21) | タンパク質結合体の計算設計(MM-PBSA) | 査読前論文 arXiv:2512.15930 |
| KTH王立工科大学 | テストケースの81%を自動修復 | GROMACSの破損した設定の修復 | NVIDIAプレスリリース |
比較的詳細な検証データを公開しているのがTerray Therapeuticsだ。同社は2026年10月15日の技術記事で、化学反応図から反応物、生成物、反応条件を抽出するモデルの性能を報告している。先行研究「RxnCaption-VL」のHybridMatch F1スコア59.8に対し、MolYOLOによる物体検出枠と独自に作成した合成反応図5,000枚を利用してNemotron Omniを微調整した結果、RxnCaption-15kテストセットで63.4を達成した。このテストセットには400枚の図と約2,800件の化学反応が含まれる。
さらに同社は、Nemotron 3.5 Super-VLの初期的な単一実行による評価でも、RxnScribeの検出枠を利用した条件でRxnCaption-VLを上回ったと報告している。一方、NVIDIAのプレスリリースにある「RxnScribeテストで注釈付き反応の約76%を回収した」という数値は、Terrayが技術記事で報告したHybridMatch F1とは異なる評価基準によるものだ。
Lila Sciencesの成果については、NVIDIAのプレスリリースによると、実験室から得たフィードバックを使ってモデルを事後学習させた結果、量子ドット合成プロトコルの設計精度がほぼ2倍となり、61%に達したという。比較対象のGPT-6 Astraは54%で、推論コストも同モデルの10分の1〜20分の1だったとされる。ただし、学習前の精度や比較に用いた推論コストの絶対値は、確認できた発表資料には記載されていない。
ThernaはNVIDIAと共同で、mRNA治療薬の設計に特化したモデル「BioReason-RNA」を開発した。同社によると、タンパク質発現範囲の予測精度は従来の最先端モデルのほぼ2倍となり、生成された説明についても、科学者が比較の96%でBioReason-RNAの回答を選んだという。ただし、比較対象となったモデルや予測精度の絶対値、評価データの詳細は明らかにされていない。Lila SciencesとThernaの両社については、具体的なテスト条件やベンチマークの設計を記載した公開論文、技術レポートも確認できていない。
研究機関の実装と、実験による検証までの距離
研究機関による活用も進んでいるが、現時点で報告されている成果の多くは計算機上の検証に基づいている。
米エネルギー省のArgonne国立研究所は、がんなどの治療薬候補となるタンパク質の設計を支援するマルチエージェントシステム「StructBioReasoner」にNemotronを統合している。この研究の基礎となる査読前論文(arXiv:2512.15930)は、2025年12月17日に初版が投稿され、2026年4月27日に第2版が公開されており、今回のNVIDIAの発表に先行する研究成果だ。
論文で報告された結果は、分子動力学シミュレーションやMM-PBSA法による結合自由エネルギーの推算など、計算機上(in silico)の評価に基づいている。例えば、アレルゲンタンパク質「Der f 21」に対する結合体設計では、品質管理を通過した787個のうち50.98%が、参照結合体の結合自由エネルギーである-145.25 kcal/molを標準偏差1つ分以上下回る値を示した。また、がん関連タンパク質「NMNAT-2」に対しては、生成した266,606個の候補のうち97,066個が配列と構造の検証を通過し、p53との相互作用界面を含む3つの主要な結合様式が特定された。著者らは、これらの計算結果を有望な仮説として位置付けており、候補タンパク質の性質や有効性を確認するには、実際のウェットラボでの評価が必要だと明記している。
スウェーデンのKTH王立工科大学は、単一のDGX Sparkを一晩稼働させ、分子動力学ソフトウェア「GROMACS」の破損した設定を自動修復するAIエージェントを構築した。NVIDIAの発表によると、このエージェントはテストケースの81%を修復し、修正内容をGROMACS自身で検証したという。こちらは実際の科学計算ソフトウェアを使った事例だが、詳細な評価条件を記した査読論文や独立した再現報告は公開されていない。
日本でも理化学研究所(RIKEN)が、AIスーパーコンピューティング基盤「RIKYU」の推論ゲートウェイ「RiVault」を通じて、Nemotron 3.5 Super-VLの提供を開始している。
Nemotron for Scienceの特徴は、科学向けモデルを提供するだけでなく、研究機関が保有する実験データを学習に利用し、専門エージェントを独自に開発できる仕組みを公開したことにある。モデルの重み、約5万問の化学データセット、自動採点を利用した強化学習レシピを組み合わせることで、研究者は自分たちの専門分野に合わせてモデルを調整できる。今後は、こうしたエージェントが提案する分子構造や実験プロトコルについて、計算機上の評価だけでなく、実際の実験室でどこまで成果を再現できるかが重要になる。



