NVIDIA BioNeMo Recipes发布：用LoRA高效微调生物基础模型

基础模型正在重塑计算生物学。在蛋白质或基因组序列的大规模语料库上预训练的模型（如ESM2蛋白质语言模型）已经证明了其在结构预测、功能注释和设计等方面的强大能力。然而，将这些通用模型适配到特定生物学任务通常需要全参数微调，计算成本极高。NVIDIA BioNeMo Recipes提供了一套基于LoRA（低秩适配）的高效微调方案，使研究人员能够在消费级GPU上以极小成本将生物基础模型适配到特定任务。

LoRA通过在预训练权重旁添加低秩适配矩阵来近似微调过程中的权重更新，使可训练参数量减少到原来的万分之一以下。BioNeMo Recipes将这一技术与NVIDIA的加速计算能力结合，为蛋白质折叠、分子对接、序列设计等核心任务提供了开箱即用的微调工作流。研究人员只需准备特定任务的数据集，通过简单的配置即可启动微调训练。在实际应用中，使用BioNeMo Recipes对ESM2模型进行LoRA微调，可在单张GPU上用数小时完成原本需要多GPU数天的全参数微调任务，且性能与全参数微调相当。这一方案大幅降低了生物信息学团队采用AI技术的门槛，使更多研究机构能够在有限的算力预算内构建针对特定生物学问题的定制化AI模型。