Mis on NVIDIA MolMIM?
NVIDIA MolMIM on spetsialiseeritud latentmuutujatega mudel väikesemolekuliliste ühendite genereerimiseks ja optimeerimiseks. NVIDIA pakub seda BioNeMo Frameworki kaudu ning see on saadaval ka NVIDIA NIM-i mikroteenusena juurutamiseks ja järeldusprotsessideks.
Tavalise proosa genereerimise asemel töötab MolMIM molekulaarstruktuuridega, mis on kodeeritud SMILES-stringidena. SMILES on tekstiline tähistus, mis esitab aatomeid, sidemeid, ringstruktuure ja muud struktuuriteavet masinloetaval kujul. MolMIM õpib pideva latentruumi – numbrilise representatsiooni, kus struktuurilt või keemilistelt omadustelt sarnased molekulid võivad paikneda lähestikku.
See muudab mudeli kasulikuks arvutusliku ravim avastamise ülesannetes, näiteks algühendiga seotud molekulide pakkumisel, molekulaarsete embedding'ute loomisel ja selliste kandidaatide otsimisel, mis saavutavad omaduseesmärgi suhtes hea skoori. Eesmärk võib pärineda välisest hindamisfunktsioonist või ennustusmudelist; MolMIM-i ennast ei tohiks käsitleda täieliku eksperimentaalse valideerimise süsteemina.
Kuidas mudel töötab
Dokumentatsioonis kirjeldatud MolMIM-i mudeliversioon on MolMIM-70M-24.3 ja sellel on ligikaudu 65,2 miljonit parameetrit. Arhitektuur hõlmab Perceiveri kodeerijat ja Transformeri dekooderit. Kodeerija teisendab sisendiks oleva molekulaarse jada fikseeritud suurusega latentseks representatsiooniks, dekooder aga saab seda representatsiooni kasutada molekulaarsete jadade genereerimiseks.
MolMIM toetab ka latentruumi optimeerimist. Selles töövoos annab kasutaja ette algmolekuli ja hindamisfunktsiooni ning otsib läheduses paiknevaid latentseid representatsioone, mille dekodeeritud molekulid saavad parema skoori. NVIDIA dokumentatsioon kirjeldab selle otsingu puhul CMA-ES-i, evolutsioonilist optimeerimismeetodit. Praktikas saab mudelit kasutada generaatorina, samal ajal kui väline hindamismootor hindab iga kandidaati soovitud omaduse või omaduste kombinatsiooni alusel.
See eraldatus on oluline. MolMIM genereerib ja esitab kandidaatstruktuure, kuid optimeerimistulemuse kvaliteet sõltub hindamisfunktsioonist, dekodeeritud molekulide kehtivusest ja kasulikkusest ning hilisematest keemilistest, bioloogilistest ja eksperimentaalsetest kontrollidest.
Peamised võimalused ja väljundid
| Võimalus | Mida see praktikas tähendab |
|---|---|
| SMILES-sisend | Võtab vastu SMILES-jadadena esitatud molekulaarstruktuure. |
| SMILES-i genereerimine | Genereerib molekulaarstruktuuride stringe, sealhulgas sisendiga seotud või valimi võtmise käigus loodud kandidaate. |
| Latentrepresentatsioonid | Genereerib numbrilisi molekulaarseid representatsioone, mida saab kasutada sarnasuse analüüsis ja järgnevates töövoogudes. |
| Embedding-väljund | Võimaldab kasutada molekulaarseid embedding'uid arvutuskeemia või masinõppe töövoogudes. |
| Omadustest lähtuv optimeerimine | Kasutab välist hindamiseesmärki ja CMA-ES-il põhinevat latentruumiotsingut kandidaatide uurimiseks. |
| Valimi võtmine ja dekodeerimine | Toetab dokumenteeritud NIM-i teenuse kaudu valimi võtmist, dekodeerimist ja peidetud olekutega töötamist. |
Loetletud väljundid on tekstilaadsed molekulaarsed jadad ja numbrilised representatsioonid. MolMIM ei genereeri pilte, heli ega videot ning seda ei ole dokumenteeritud vestlusmudelina.
Sisendi ja väljundi piirangud
Dokumentatsioonis märgitud sisendi maksimaalne pikkus on 128 tokenit, sealhulgas jada alguse ja lõpu markerid. Dokumenteeritud väljundi maksimaalne pikkus on 512 tokenit. Need piirangud kehtivad mudeli molekulaarsete jadade töötlemisele ja neid ei tohiks segi ajada üldotstarbeliste keelemudelite avaldatud kontekstiakendega.
Kuna sisend on molekulaarne jada, mitte avatud vormis viip, on praktiline töövoog struktureeritud: esitada kehtiv SMILES-esitus, valida toiming, näiteks kodeerimine või genereerimine, ning tõlgendada saadud molekulaarset stringi või numbrilist representatsiooni asjakohaste keemiatööriistade abil.
Esitatud dokumentatsioon ei määra kindlaks tavapärast teadmiste lõppkuupäeva. MolMIM ei ole loodud muutuva tekstikogumi faktiteabe hankimiseks; selle käitumise määravad molekulaarsed treeningandmed ja kontrollpunkt.
MolMIM-i roll NVIDIA BioNeMo ökosüsteemis
MolMIM-il on NVIDIA BioNeMo ökosüsteemis selgelt piiritletud roll. BioNeMo pakub eluteaduste ja ravimite avastamise töökoormuste jaoks mudeleid ning taristut, samal ajal kui MolMIM tegeleb väikesemolekuliliste ühendite esitamise, genereerimise ja optimeerimisega.
NVIDIA teeb MolMIM-i kättesaadavaks BioNeMo Frameworki kaudu kohalike või arendusele suunatud töövoogude jaoks ning NVIDIA NIM-i mikroteenusena mudeli teenindamiseks. NIM-i dokumentatsioon kirjeldab embedding'ute, peidetud olekute, dekodeerimise, valimi võtmise ja genereerimise lõpp-punkte ning toiminguid. NIM võib olla kasulik siis, kui meeskond soovib integreerida MolMIM-i teenusesse või töövoogu, selle asemel et kutsuda mudeli komponente ainult kohalikust märkmikust.
Seetõttu tuleks MolMIM-i käsitleda ühe spetsialiseeritud komponendina arvutuskeemia töövoos, mitte täieliku ravimite disainimise platvormina. Kasutajad võivad vajada eraldi tööriistu keemilise kehtivuse kontrollimiseks, omaduste ennustamiseks, dokkimiseks, sünteesi planeerimiseks, eksperimentide kavandamiseks ja laboratoorseks kinnitamiseks.
Peamised tugevused
- Fokuseeritud molekulaarne representatsioon: MolMIM on loodud spetsiaalselt väikesemolekuliliste ühendite jadade jaoks, mitte kohandatud üldotstarbelisest vestlusmudelist.
- Genereerimine ja embedding'ud ühes mudelis: Sama mudeliperekond toetab nii kandidaatide genereerimist kui ka numbrilisi representatsioone järgnevaks analüüsiks.
- Latentruumi optimeerimine: Mudelit saab ühendada välise eesmärgi ja CMA-ES-iga, et otsida paremate ennustatavate omadustega kandidaate.
- Mitu juurutusviisi: Arendajad saavad kasutada BioNeMo Frameworki või juurutamisele suunatud järeldusprotsesside jaoks dokumenteeritud NIM-i teenust.
- Suhteliselt kompaktne kontrollpunkt: Dokumenteeritud mudelil on ligikaudu 65,2 miljonit parameetrit, mistõttu on see palju väiksem kui paljud üldotstarbelised baas- ehk vundamendimudelid, kuigi tegelikud käitusnõuded sõltuvad endiselt valitud juurutuskonfiguratsioonist.
Piirangud ja ettevaatusabinõud
MolMIM-i spetsialiseeritus on ühtlasi selle peamine piirang. See ei ole mõeldud üldotstarbeliseks tekstigenereerimiseks, vestlemiseks, koodi genereerimiseks, piltide loomiseks ega laiaulatuslikele teadusküsimustele vastamiseks. See ei asenda keemiaeksperti, omaduste ennustamise süsteemi ega eksperimentaalset valideerimist.
Mudeli optimeerimisprotsess võib parandada välist skoori, kuid ei garanteeri, et kandidaat on sünteesitav, stabiilne, bioloogiliselt aktiivne, mittetoksiline või reaalses kasutuskeskkonnas kasulik. Hindamisfunktsioon võib sisaldada ka kallutatusi või premeerida ebasoovitavaid otseteid. Enne otsuste tegemisel kasutamist tuleb genereeritud SMILES-id kontrollida keemilise kehtivuse suhtes ja hinnata sõltumatute meetoditega.
Esitatud uurimismaterjalid ei dokumenteeri üldist tööriistade ega funktsioonikutsete tuge. MolMIM saab osaleda tööriistapõhises töövoos, kui arendajad ühendavad selle välise hindamis-, valideerimis- või optimeerimistarkvaraga, kuid see on rakenduse arhitektuur, mitte loomupärane vestlusmudeli tööriistakasutuse funktsioon. Samuti ei ole dokumenteeritud arutlusrežiimi ega kodeerimisvõimekust. Selle latentruumiotsingut ei tohiks kirjeldada üldotstarbelise arutlemisena.
Hind ja juurdepääs
Esitatud uurimismaterjalidest ei leitud avalikku mudelipõhist tokenihinda. MolMIM-i dokumentatsioon kirjeldab selle kasutamist NVIDIA BioNeMo Frameworki kaudu ja NVIDIA NIM-i mikroteenusena, kuid rakenduv kulu sõltub juurutusviisist, NVIDIA litsentsidest, NGC-juurdepääsust, taristust ja muudest teenusetingimustest.
Seega ei tohiks MolMIM-i kohta väita, et sellel on kinnitatud tasuta pakett või avalik standardne tokenipõhine hind. Mudelit hindavad meeskonnad peaksid kontrollima oma kavandatud keskkonna jaoks kehtivat NVIDIA BioNeMo ja NIM-i dokumentatsiooni, litsentsitingimusi ning taristanõudeid.
Millal valida MolMIM?
MolMIM sobib siis, kui peamine probleem on arvutuslik väikesemolekuliliste ühendite disainimine ja meeskond soovib mudelit, mis suudab nii molekule esitada kui ka kandidaate genereerida. See on eriti asjakohane järgmistel juhtudel:
- Tuntud algstruktuuriga seotud molekulide genereerimine.
- Molekulaarsete embedding'ute loomine sarnasuse otsinguteks või järgnevate masinõppemudelite jaoks.
- Keemiaruumi uurimine omaduste ennustamise hindamismootori või kohandatud hindamisfunktsiooni abil.
- BioNeMo-põhiste uurimistöövoogude loomine juhtühendite optimeerimiseks.
- Molekulaarse genereerimise ja embedding'ute toimingute pakkumine NVIDIA NIM-i juurutuse kaudu.
Teist tüüpi mudel võib olla sobivam siis, kui ülesanne eeldab loomulikus keeles suhtlemist, teaduskirjanduse analüüsi, laiaulatuslikku teaduslikku arutlemist, koodi genereerimist, multimodaalset sisendit või lihtsat tarbijatele suunatud liidest. Üldine keelemudel võib aidata töövoogu koordineerida või tulemusi selgitada, kuid see ei paku automaatselt MolMIM-i spetsialiseeritud molekulaarseid latentruumioperatsioone. Seevastu sihtotstarbeline keemia- või omaduste ennustamise süsteem võib olla eelistatav siis, kui konkreetse näitaja täpne ennustamine on uute struktuuride genereerimisest olulisem.
Kokkuvõte
NVIDIA MolMIM-i on kõige parem mõista kui sihipärast molekulaarse genereerimise ja esitamise komponenti ravimite avastamise uurimistöös. Selle keskne omadus on SMILES-i töötlemise, latentsete molekulaarsete embedding'ute, genereerimise ja väliste eesmärkide suhtes toimuva CMA-ES-il põhineva optimeerimise kombinatsioon. See pakub üldotstarbelisest keelemudelist sihitumat lähenemist, kuid selle tulemused vajavad keemilist valideerimist ning mudel tuleks integreerida laiemasse arvutuslikku ja eksperimentaalsesse töövoogu.