KERMT:Merck & Co. (modeling and informatics)、NVIDIA (BioNeMo team)
图 Transformer 化学预训练模型,多任务微调与加速,面向药企内部 ADMET 预测。
小分子 · 多类机构联合 · 美国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | KERMT;全称:Kinetic GROVER Multi-Task;别名:Contrastive KERMT、NV-KERMT-70M-v2 |
| 家族 | 家族条目:KERMT v1 †(未核实);Contrastive KERMT v2.0 。边界:v1 与对比学习版 v2.0 是两篇论文、两套权重,成绩不得互相代入 |
| 机构 | Merck & Co. (modeling and informatics)、NVIDIA (BioNeMo team) |
| 机构类型 / 国家 | 多类机构联合 / 美国 |
| 模型类别 | 性质预测(图 Transformer 预训练 + 多任务微调) |
| 领域 | 小分子 |
| 首次发布 | †(未核实)(依据:首篇预印本(arXiv 2510.12719)) 该 arXiv 编号与日期沿用站上记录,本轮未重新取回元数据 |
| 其他里程碑 | 最早公开证据 †(未核实)(首篇预印本);预印本 v1 †(未核实)(首篇预印本);代码发布 (GitHub v1.0.1(v1.0.0 更早));权重发布 (v2 权重上传模型托管平台) |
| 最近更新 | ,新版本:对比学习版 v2.0:代码 v2.0.0 发布,v2 权重 2026-06-09 上传,并有对应预印本(2026-06-09);此后到 2026-09-15 的提交是文档与工具维护。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:仅研究用途(NVIDIA Open Model License (v2.0 weights));代码开放;v2.0 权重在模型托管平台按开放模型许可提供,药企一侧页面未写许可 |
| 状态 | 活跃:12 个月内有新版本、新权重与新预印本 |
| 报过的 benchmark | 0 项计入 |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站实体库未检出对应页面) |
| 截至 | 2026-11-16 |
做什么
在一个第三方图 Transformer 化学预训练架构上改造:保留原子与键的消息传递加 Transformer,预训练用两个公开化合物库共千万量级分子,重点在多任务微调以及硬件侧的加速与显存优化。定位是药企内部 ADMET 生产模型:对照 Chemprop 的多任务版,并与 MiniMol、MolE 同属预训练 ADMET 路线。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。
在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。
其他评测(不在 44 项内)
- 药企内部 ADMET 端点组(时间切分)(自建任务集,自报):30 个端点、约 80 万化合物的时间切分评测,与多任务图网络及另一预训练模型对比;数据不公开,外部无法复现
- 自建公开文献 ADMET 集与第三方公开集(自建任务集,自报):25 个公开端点与一个 6 端点公开集;同一论文中这两处的排序与内部集相反,优劣随设置变化
- 相似度分桶泛化分析(仅与基线对比,自报):按化学相似度分桶比较,作者称各桶均优于多任务图网络基线,全部为自报
开发方称:多任务微调显著优于未预训练的图网络基线,数据量越大优势越明显,并提供加速实现。
独立证据:未检出独立证据(无公开 benchmark 配对,也未检出第三方评测;关键结果依赖不公开的企业内部数据)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 25 个公开 ADMET 端点共 114,112 个化合物,另一公开集 6 端点 3,521 个化合物;预训练用两个公开库共 1,100 万个化合物 | 出处 |
| b 私有 / 授权 | 是 | 药企内部 ADMET 数据:30 个端点、800,733 个化合物,测至 2024 年,不公开 | 出处 |
| c 自产 wet lab 训练数据 | 否 | 内部数据属企业历史测定,不是为本模型新产 | 出处 |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:一家美国大型制药公司的建模与信息学部门与一家 GPU 公司的生物模型团队合著;算力与资金来自两家公司的内部研发预算,模型也上线该 GPU 公司的开放模型目录。
- 融资:未披露
- 产品与合作:架构来自一家中国互联网公司实验室的开源图 Transformer 预训练模型;代码在该 GPU 公司的数字生物 GitHub 组织下开源,药企一侧有企业故事页介绍(2026-03-19)。
- 相关模型:Chemprop v2、MiniMol、MolE、GenMol
怎么看
- 最有信息量的结果来自企业内部数据集,但数据不公开,外部无法复现或核对。
- 没有任何站内公开 benchmark 成绩,不能与 ADMET-AI、MiniMol 直接比。
- 「优于图网络基线」只在多任务设置与内部 assay 上成立:同一论文的公开集与第三方集上排序相反,全部为自报。
- TDC 配对不成立:论文全文未出现该 benchmark。
局限与注意
- 零配对:无任何站内公开 benchmark 成绩。
- 关键对照依赖不公开的药企内部数据。
- v1 与对比学习版 v2.0 是两套权重,成绩不可互相代入。
- 首发日期沿用站上记录,本轮未重新取回元数据。
来源
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。