NVIDIA Corporation

医療用語の音声認識ミスを減らすため、Parakeet TDT v2を追加学習し、学習前後の重要語の誤り率を比較して、モデルの採用やデータ追加を判断するスキル。

• 薬剤名の文字起こしミスを減らしたいとき
• 医療用語の学習効果を比較したいとき
• 学習データを増やすべきか判断したいとき

分子構造を記した独自のCSVデータから語彙を作り、KERMTモデルを初期状態から事前学習します。データ検証、実行時間の見積もり、ログの案内まで扱います。

• 専門的な化学データで新規モデルを学習
• 既存チェックポイントなしで事前学習
• 学習目的とバッチサイズの選定

画像・動画の推論、物体検出、追跡に使うDeepStreamの処理パイプラインを対話形式で組み立てます。入力や出力先に合わせて実行コマンドを生成し、構文や要素を検証します。

• ローカル画像や動画で推論したいとき
• 複数RTSP映像の物体検出と追跡
• 処理結果をMP4に保存したいとき

分子構造と正解ラベルを含むCSVで、事前学習済みKERMTを追加学習します。データ検証から特徴量の準備、コンテナでの学習起動、モデルやログの保存まで扱います。

• ラベル付き分子データで学習したいとき
• 予測対象の列を指定したいとき
• 準備済みデータで学習条件を比較

GenMol NIMで創薬向けの分子候補を生成し、骨格への構造追加や既存候補の改変、薬らしさ・脂溶性の指標による順位付けとファイル保存を進めるスキル。

• 分子候補を新規生成したいとき
• 分子骨格の周囲に構造を追加
• 創薬候補の断片を改変したいとき

タンパク質に小分子が結合する位置や向きをDiffDockで予測し、入力データの準備からAPI実行、信頼度付き候補の保存・確認までを案内します。

• タンパク質と小分子の結合姿勢予測
• SMILESやSDFを入力したいとき
• 信頼度付き候補を保存したいとき

医療画像形式のDICOMファイルを1件読み込み、撮影情報などのメタデータをJSONに抽出します。一部の標準タグに個人情報が含まれるかも確認します。

• DICOMのメタデータを確認したいとき
• 検査・画像情報のJSON出力
• 標準タグ内の個人情報を確認したいとき

pandasで扱う表データ処理をcuDFでGPUへ移す作業を支援します。結合・集計・CSVやParquet入出力から、結果の照合、メモリ対策、複数GPU利用まで扱います。

• 既存pandas処理を少ない変更で加速
• 結合や集計をGPUへ移したいとき
• 欠損値や並び順をpandasと照合

工場の作業映像から手順の抜けや順序違いを検出するサービスの構築・運用を支援します。DeepStreamによる映像処理とVLMによる動作分類の評価、遅延測定も扱います。

• 組立作業の手順確認サービスを作りたいとき
• 動画や産業用カメラで動作検証したいとき
• 動作分類や手順判定の不具合を調べたいとき

費用とサービス水準など、両立しにくい目標をcuOptで繰り返し計算し、妥協案の候補を整理します。各案で何を得て何を譲るかを比較し、選択を支援します。

• 費用とサービス水準を比較したいとき
• 収益とリスクの妥協案を探したいとき
• 配送距離と車両数を比較したいとき

医療用語の音声認識を評価するため、用語選定から発音確認、合成音声とNeMo形式のデータ一覧作成まで進めるスキルです。声や雑音、文脈を変えた評価用データを用意します。

• 診療分野別の音声認識評価セット作成
• 薬剤名や処置名の合成音声の発音確認
• 声・雑音・文脈を変えた評価音声の生成

種となる分子の構造から小分子の候補を生成し、指定した性質に沿った最適化や分子の数値表現の取得、生成結果の保存・検証まで進めるスキル。

• 既存分子に似た候補を生成したいとき
• QEDやplogPを指標にした最適化
• ローカル環境での分子埋め込み取得

Python・C・RESTサーバーでcuOptを使うために、GPUやCUDA、利用環境に合う導入方法を選び、インストールから動作確認までを支援するスキル。

• PythonでcuOptを使い始めたいとき
• Cライブラリとヘッダーの導入
• RESTサーバーの起動と確認

NVIDIA Nemotron Voice Agentのサンプルを変更し、別のバックエンドを設けずに予約受付や患者情報の聞き取りを行う音声エージェントを作るスキル。

• 予約受付の音声エージェント作成
• 患者情報5項目の会話による収集
• 独自の医療受付とツール呼び出し設計

録画済みの複数カメラ映像をAutoMagicCalibに送り、カメラの位置や向きを調整する処理を、プロジェクト作成から進捗確認・結果評価まで進めます。

• 同期済みMP4からカメラを調整したいとき
• ローカル設定や対応点ファイルの登録
• 正解データで調整結果を評価したいとき

単一のCT DICOMシリーズを、CT値を保持したNIfTIの3次元画像に変換します。画像の位置・向きを示す変換行列や画素間隔などもJSONに記録します。

• 単一CTシリーズを3次元画像に変換したいとき
• CT値の範囲や画素間隔の確認
• 領域分割前に画像の向きを確認したいとき

分子を表すSMILES形式のCSVから、KERMTの学習済みモデルで分子ごとの特徴を数値化します。入力の検証と整形から、4種類の特徴配列の保存まで進めるスキルです。

• SMILESのCSVから分子特徴を抽出したいとき
• 手元のKERMTモデルを再利用したいとき
• 公開事前学習モデルで特徴を抽出したいとき

Modify, build, test, debug, and contribute to NVIDIA cuOpt (C++/CUDA, Python, server, CI). Use for solver internals, PRs, DCO, and code conventions.

日本語の概要は準備中です。原文の説明を表示しています。

学習済みのKERMTモデルで、分子構造を文字列で表したSMILESのCSVから予測を実行します。入力検証とデータ整備を経て、対象ごとの予測値をCSVにまとめます。

• SMILES一覧から分子の予測をしたいとき
• モデルが予測に使えるか確認したいとき
• 準備済みデータで再度予測したいとき

用途に合う合成データセットを作るためのPython設定ファイルを生成します。列の構成や生成方法を組み立て、対話で条件を詰める進め方にも、判断を任せる進め方にも対応します。

• 説明から合成データを作りたいとき
• 氏名や住所などの人物データ生成
• 指定スキーマに沿ったデータ生成

大量の分子をまとめて処理するPythonコードの作成・デバッグを支援します。nvMolKitでRDKitの分子特徴量、類似度、立体構造の計算や検索をGPU上で行います。

• 大量分子の特徴量と類似度を計算したいとき
• 分子の立体構造を一括生成・最適化したいとき
• 立体構造の違いでクラスタリングしたいとき

AutoMagicCalibの自動キャリブレーション環境をDocker Composeで構築し、NGC認証からポート設定、サービスとWeb UIの起動確認まで進めます。

• AutoMagicCalibとWeb UIの起動
• サービスポートと接続先の設定
• 任意のVGGTモデルの導入

PythonでcuOptを使い、配送先や車両の積載量、訪問可能な時間帯などを設定して、配送・巡回・集荷配達のルート計算と結果の確認を支援するスキル。

• 積載量を考慮した配送ルート計算
• 指定した時間帯に訪問したいとき
• 集荷・配達の組と訪問順序の設定

低分子の創薬候補をGenMolで生成し、DiffDockで標的タンパク質との結合姿勢、Boltz2で結合の強さを予測して候補を順位付けします。

• 分子骨格を決めずに候補を探索
• 既知の分子骨格から類似分子を検討
• 候補群を標的タンパク質で選別