Deep Principle、オープンウェイトの科学モデルHydrogen-1.0を公開

Deep Principleは、GLM-5.3をベースに化学、材料科学、ライフサイエンスのデータ、実験室記録、発見の軌跡を用いてポストトレーニングしたオープンウェイトの科学研究モデルHydrogen-1.0を公開した。FrontierScience-Researchで38.3%(GPT-6-Astraは33.3%)、GPQA-Diamondsで93.0%を記録し、重みはMITライセンスの下で公開されている。
イベントのバージョン 1.
Key insights
ベンチマーク性能
Hydrogen-1.0はFrontierScience-Researchで38.3%を記録し、GPT-6-Astraの33.3%を上回った。またGPQA-Diamondsでは93.0%を記録し、オープンなフロンティアモデルであるKimi-K3とほぼ同等である。
内部研究シナリオ
内部評価では、Hydrogen-1.0は科学計算で76.9%(GPT-6-Astraは71.8%)、順反応予測で90.5%(同85.7%)、NMR構造解析で26.7%(同30.0%)を記録した。
トレーニング手法
Hydrogen-1.0は、GLM-5.3を化学、材料科学、ライフサイエンスのドメインデータ、ならびに実験室記録とエージェントの発見軌跡を用いてポストトレーニングすることで構築された。トレーニングには、実験設計、手順、観察、結果を含む全サイクルの実験室記録が使用された。
オープンウェイトと入手可能性
モデルの重みはMITライセンスの下で公開されており、コンテキスト長は100万トークン、最大出力長は128Kトークンである。BF16、NVFP4、MXFP4の各バージョンが別々のリポジトリで利用可能である。
実証された研究応用
Hydrogen-1.0はポリエチレンの溶融体を構築し、GROMACSを実行し、トポロジーのエラーを診断・修復し、40nsのトラジェクトリを解析した。遷移金属錯体の探索では、より少ない試行回数でより優れた候補を発見した。