BioNeMo umfasst drei vorab trainierte LLMs.  MegaMolBART ist ein generatives Chemiemodell, das auf Grundlage von 1,4 Milliarden Molekülen (SMILES-Zeichenfolgen) trainiert wurde und für eine Vielzahl von Cheminformatik-Anwendungen verwendet werden kann.

ProtT5 und ESM1-85M sind Transformator-basierte Proteinsprachenmodelle, die verwendet werden können, um gelernte Einbettungen für Aufgaben wie Proteinstruktur und Eigenschaftenvorhersage zu generieren.

BioNeMo ermöglicht Entwicklern die Bereitstellung von LLMs mit Milliarden und Billionen von Parametern. Die heutigen Proteinsprache-Modelle enthalten Milliarden von Parametern, die eine Supercomputing-Infrastruktur für die Inferenz auf dem riesigen chemischen Raum erfordern. Die dynamische Ressourcenskalierung in der Cloud ermöglicht es LLM-Inferenzpipelines, automatisch zu skalieren, um die Rechenanforderungen zu erfüllen.

BioNeMo erleichtert den Einstieg mit vorab trainierten Modellen, automatischen Downloadern und Vorprozessoren für UniRef50- und ZINC-Datenbanken. Verschiedene Modelle, Einbettungen und Ausgaben können dank unüberwachten strukturierten Lernmodellen kombiniert werden, um multimodale Daten zusammenzuführen. Unbeaufsichtigtes Vorabtraining beseitigt auch den Bedarf an gekennzeichneten Daten, was die schnelle Generierung von gelernten Einbettungen für die Vorhersage von Proteinstruktur, Funktion, Zellposition, Wasserlöslichkeit, Membranbindung, konservierten und variablen Regionen und vielem mehr ermöglicht.