BioNeMo는 사전 학습된 LLM 3개가 함께 제공됩니다. MegaMolBART는 14억 개의 분자(SMILES 스트링)로 훈련된 생성적 화학 모델이며 다양한 화학 정보 애플리케이션에 사용될 수 있습니다.

ProtT5 및 ESM1-85M은 단백질 구조 및 특성 예측과 같은 작업을 위해 학습된 임베딩을 생성하는 데 사용할 수 있는 트랜스포머 기반 단백질 언어 모델입니다.

BioNeMo를 사용하면 개발자는 수십억 및 수조 개의 매개변수로 LLM을 배포할 수 있습니다. 오늘날의 단백질 언어 모델에는 방대한 화학 공간에서의 추론을 위해 슈퍼컴퓨팅 인프라가 필요한 수십억 개의 매개변수가 포함되어 있습니다. 클라우드에서 동적 리소스를 확장하면 LLM 추론 파이프라인이 자동으로 확장되어 컴퓨팅 요구 사항을 충족할 수 있습니다.

BioNeMo를 사용하면 UniRef50 및 ZINC 데이터베이스를 위한 사전 학습된 모델, 자동 다운로더 및 사전 프로세서를 쉽게 시작할 수 있습니다. 비지도 구조 학습 도구 덕분에 다양한 모델, 임베딩 및 출력을 결합하여 멀티모달 데이터를 통합할 수 있습니다. 비지도 사전 학습은 또한 라벨링된 데이터의 필요성을 제거하여 단백질 구조, 기능, 세포 위치, 수분 용출도, 세포 내 결합성, 보존 및 가변 영역 등을 예측하기 위한 학습된 임베딩 생성을 더 빨리 완료합니다.