NVIDIA veröffentlicht BioNeMo Agent Toolkit zur Beschleunigung wissenschaftlicher Entdeckungen
2026-06-24 10:16
Merken

de.wedoany.com-Bericht: NVIDIA hat das BioNeMo Agent Toolkit vorgestellt, das KI-Agenten im Bereich der Biowissenschaften spezialisierte Werkzeuge und offene Modelle aus über einem Jahrzehnt Erfahrung bereitstellt. Es ermöglicht Agenten, Wissenschaftlern und Laboren die Zusammenarbeit, um wissenschaftliche Entdeckungen zu beschleunigen – durch das Sammeln von Beweisen, das Schlussfolgern über Forschungsergebnisse hinweg, das Durchführen von Rechenexperimenten und die Empfehlung optimaler nächster Schritte.

NVIDIA kündigt BioNeMo Agent Toolkit an – Werkzeuge für Agenten zur Beschleunigung wissenschaftlicher Entdeckungen

Das Toolkit integriert die über ein Jahrzehnt gesammelten Bibliotheken, Werkzeuge und offenen Modelle von NVIDIA aus den Biowissenschaften. Es bietet jedem Agenten oder jeder KI-Plattform – einschließlich allgemeiner Assistenten, spezialisierter wissenschaftlicher Agenten, Softwareplattformen und interner biopharmazeutischer Systeme – die notwendigen Werkzeuge, um wissenschaftliches Wissen zu synthetisieren und zusammenzufassen, Modelle aufzurufen, Ergebnisse zu bewerten, Schlussfolgerungen zu ziehen und Folgeaktionen durchzuführen. Das Toolkit enthält NVIDIA BioNeMo und wird von NVIDIA NIM Microservices, NVIDIA Parabricks, NVIDIA NeMo und NVIDIA Nemotron-Technologien sowie beschleunigter Rechenleistung und Fähigkeiten unterstützt. Es bildet eine offene und vertrauenswürdige Grundlage für agentenbasierte Biowissenschaften.

Bereits über 50 führende Unternehmen nutzen das Toolkit, um wissenschaftliche Entdeckungen voranzutreiben. Dabei kommen agentenabrufbare Fähigkeiten für Aufgaben wie Proteinstrukturvorhersage, molekulares Docking, generative Chemie, Genomanalyse, Proteindesign und Biomarker-Entdeckung zum Einsatz. Jensen Huang, Gründer und CEO von NVIDIA, erklärte: „Grenzüberschreitende Modelle sind das Gehirn, BioNeMo ist der wissenschaftliche Werkzeugkasten. Die Kombination verleiht KI-Agenten die Fähigkeiten eines Doktoranden und die Geschwindigkeit eines Supercomputers. Erstmals können Forscher KI-Agenten entwickeln, die wissenschaftliches Wissen verstehen, wissenschaftliche Werkzeuge nutzen und wissenschaftliche Arbeitsabläufe ausführen. Dies ist eine neue wissenschaftliche Methode, die Entdeckungen in Biologie, Chemie, Genomik und Medizin enorm beschleunigen kann.“

Offene Modelle und Forschungseinrichtungen, darunter das Arc Institute, die Open Molecular Software Foundation und das Institute for Protein Design (IPD) der University of Washington, arbeiten mit NVIDIA zusammen, um mit BioNeMo grenzüberschreitende Modelle voranzutreiben und diese durch agentenbereite Arbeitsabläufe leichter zugänglich zu machen. Die IPD-Kooperation hat bereits die Laufzeit fortschrittlicher Biodesign-Modelle wie RosettaFold3 beschleunigt – mit einer Leistungssteigerung um das Zweifache im Vergleich zu Vorgängermodellen. Weitere Anwendungen zur Beschleunigung des Proteindesigns sind in Arbeit. David Baker, Professor für Biochemie an der University of Washington School of Medicine und Direktor des Institute for Protein Design, sagte: „Jedes Werkzeug, das wir für das Proteindesign entwickeln, ist nur so wirksam, wie Wissenschaftler es effizient nutzen können. Der nächste große Sprung in der Wissenschaft wird nicht von einer einzelnen Entdeckung kommen, sondern von der Geschwindigkeit iterativen Designs und von Agenten, die die Komplexität der Biologie mit einer Geschwindigkeit durchdenken können, die für Menschen unerreichbar ist.“

Die weltweiten Forschungs- und Entwicklungsausgaben in den Biowissenschaften belaufen sich auf 3,8 Billionen US-Dollar, mit einem jährlichen Pharma-Budget von fast 300 Milliarden US-Dollar. Agentenbasierte Arbeitsabläufe können der Branche helfen, schneller zu iterieren, gleichzeitig Kosten zu senken und die Erfolgswahrscheinlichkeit zu maximieren. Mit dem Toolkit können Entwickler in wenigen Minuten einen allgemeinen Agenten in einen Biowissenschafts-Agenten verwandeln, sodass Forscher Experimente schneller durchführen und kontinuierlich aus den Ergebnissen lernen können. Allgemeine Agenten könnten Schwierigkeiten haben, wissenschaftliche Arbeitsabläufe effizient zu navigieren, da sie die richtigen Werkzeuge, Eingaben, Ausgaben und biologischen Bedeutungen ableiten müssen. Das Toolkit hilft Agenten, die richtigen Werkzeuge aufzurufen, Ergebnisse genauer zu interpretieren und schneller wissenschaftliche Erkenntnisse zu gewinnen. NVIDIA optimiert die gesamte BioNeMo-Plattform, indem es Bibliotheken, Modelle und Frameworks in agentenabrufbare Werkzeuge umwandelt. Dabei kommen Technologien wie die offenen NVIDIA Nemotron-Modelle, die NVIDIA NeMo RL-Bibliothek, die NVIDIA NemoClaw-Blaupause und die NVIDIA OpenShell-Laufzeitumgebung zum Einsatz. Zu den vom Toolkit unterstützten Arbeitsabläufen gehören: Virtuelles Screening hilft Forschern, kleine Molekül-Kandidaten zu identifizieren, indem Verbindungen generiert und gefiltert, an Zielmoleküle angedockt, Bindungsstärken vorhergesagt und arzneimittelähnliche Eigenschaften geprüft werden – die Screening-Zeit wird von Tagen auf Minuten verkürzt. Genomanalyse und Zielmolekül-Entdeckung nutzt NVIDIA Parabricks zur Beschleunigung von Alignments und Variantenerkennung; genomische Grundlagenmodelle bewerten Varianteneffekte, und Agenten sortieren Kandidaten für die relevantesten Krankheiten. Proteinkonjugat-Design ermöglicht die rechnerische Entwicklung und Validierung von Kandidaten und verkürzt traditionelle arbeitsintensive Designprozesse. Tiefgehende biomedizinische Forschung verbindet reale Daten mit Schlussfolgerungsmodellen, einschließlich Literaturrecherche, Protokollerstellung, klinischer Studien-Screening und Pharmakovigilanz mit dem NVIDIA Biomedical AI-Q Research Agent. Medizinische Bildanalyse hilft bei der Verarbeitung, Segmentierung, Synthese und Schlussfolgerung medizinischer Bilddaten zur Unterstützung der Biomarker-Entdeckung.

Unternehmen aus dem Technologie- und Biowissenschafts-Ökosystem nutzen das Toolkit zur Weiterentwicklung agentenbasierter Arbeitsabläufe. Grenzüberschreitende Labore und Entwickler wissenschaftlicher Agenten, darunter Anthropic, Edison Scientific, Lila Sciences, OpenAI und Owkin, integrieren BioNeMo, um Agenten von der Beantwortung von Fragen zur Durchführung wissenschaftlicher Arbeiten zu befähigen. Wissenschaftliche Daten- und Workflow-Plattformen von Benchling, Certara, Databricks, Snowflake und Seqera verwenden das Toolkit, um Datensysteme mit KI-gesteuerter Wissenschaft zu verbinden. Fähigkeiten helfen Agenten, biologische und chemische Datensätze abzufragen, modellbereite Eingaben vorzubereiten, reproduzierbare Arbeitsabläufe zu starten, Ausgaben zu analysieren und Erkenntnisse zurückzugeben. Diagnostik- und Pharmaunternehmen, darunter Lilly und Natera, nutzen das Toolkit, um reproduzierbare agentenbasierte Arbeitsabläufe für Entdeckung, translationale Forschung und klinische Erkenntnisse zu erweitern. KI-native Biologieunternehmen wie Boltz, Basecamp Research, Chai Discovery, Dyno, PerturbAI und Proxima arbeiten mit NVIDIA zusammen, um Werkzeuge zu entwickeln, die modellgesteuerte Therapie-Design-Workflows beschleunigen. Anbieter computergestützter Wirkstoffentdeckungssoftware, darunter Dassault Systèmes, Cadence (OpenEye) und Schrödinger, integrieren Toolkit-Funktionen, sodass Agenten bei der Koordination von Molekülgenerierung, Docking und Vorhersage helfen können. Laborinstrumenten- und Automatisierungsunternehmen wie Automata, HighRes, Tecan, Thermo Fisher sowie die autonome Datengenerierungsplattform Medra verbinden ihre Systeme mit rechnerischen Entdeckungen, die von BioNeMo-Fähigkeiten unterstützt werden. KI-Cloud- und KI-Infrastrukturunternehmen wie Baseten, Modal und Nebius nutzen das Toolkit, um BioNeMo-Fähigkeiten und -Werkzeuge durch skalierbare Anwendungsprogrammierschnittstellen, verwaltete Rechenleistung und Produktions-Inferenzumgebungen zu unterstützen und so agentenbasierte Biologie-Workflows vom Prototyp zum Dienst zu überführen.

Das BioNeMo Agent Toolkit und die Fähigkeiten sind jetzt über die NVIDIA-Entwicklerressourcenseite und GitHub verfügbar.

Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.

E-Mail: news@wedoany.com