Hugging Science: Eine Initiative zur Förderung von Open Science und KI-Forschung

Die Integration von Künstlicher Intelligenz (KI) in wissenschaftliche Forschungsprozesse schreitet stetig voran und eröffnet dabei neue Möglichkeiten zur Beschleunigung von Entdeckungen. Eine zentrale Herausforderung in diesem Kontext ist der Zugang zu qualitativ hochwertigen Daten und leistungsfähigen KI-Modellen. Hier setzt die Initiative "Hugging Science" an, die sich als Katalysator für die Demokratisierung der KI in der Wissenschaft versteht.

Hugging Science: Eine Plattform für Open Science im Zeitalter der KI

Hugging Science, eine Gemeinschaftsinitiative von Hugging Face, etabliert sich als zentrale Anlaufstelle für Forschende, die KI-Methoden in ihren wissenschaftlichen Disziplinen anwenden möchten. Die Plattform bietet einen kuratierten Katalog wissenschaftlicher Datensätze, Modelle und Blogbeiträge, die speziell auf die Bedürfnisse von ML-Forschenden zugeschnitten sind. Das übergeordnete Ziel ist es, den Zugang zu KI-Ressourcen zu vereinfachen und die Zusammenarbeit in der wissenschaftlichen Gemeinschaft zu fördern.

Ein breites Spektrum an wissenschaftlichen Domänen

Die thematische Abdeckung von Hugging Science ist breit gefächert und umfasst zahlreiche wissenschaftliche Bereiche. Dazu gehören unter anderem:

• Astronomie: Weltraumwissenschaften und Astrophysik.
• Biologie und Genomik: Lebenswissenschaften, Genomanalyse und biologische Systeme.
• Chemie: Molekularwissenschaften, Reaktionen und Materialforschung.
• Klimawissenschaften: Klimamodellierung und Umweltwissenschaften.
• Medizin: Gesundheitswesen, Medikamentenentwicklung und klinische Forschung.
• Materialwissenschaften: Materialeigenschaften und Entdeckung.
• Physik: Grundlegende Kräfte, Teilchen und physikalische Systeme.
• Mathematik: Mathematische Modellierung und computergestützte Methoden.
• Scientific Reasoning: Datensätze für wissenschaftliche Fragenbeantwortung, Theorembeweise und mehrstufige Problemlösungen.

Diese umfassende Abdeckung ermöglicht es Forschenden aus verschiedenen Disziplinen, relevante Ressourcen effizient zu finden und zu nutzen.

Datensätze: Die Grundlage für KI-gestützte Forschung

Ein Kernstück von Hugging Science ist die Bereitstellung einer Vielzahl von Datensätzen, die als Grundlage für das Training und die Evaluierung von KI-Modellen dienen. Beispiele hierfür sind:

• arcinstitute/opengenome2: Eine Sammlung prokaryotischer und eukaryotischer Genomsequenzen für das Training biologischer Modelle.
• nasa-impact/WxC-Bench: Ein Benchmark zur Evaluierung von KI-Modellen in atmosphärischen und geowissenschaftlichen Aufgaben, wie der Vorhersage von Hurrikan-Bahnen.
• SandboxAQ/SAIR: Ein umfassender Datensatz von Protein-Liganden-3D-Strukturen mit Bindungsaffinitätsmessungen, der die Medikamentenentwicklung unterstützt.
• jablonkagroup/ChemBench: Ein kuratierter Benchmark mit Chemie- und Materialwissenschaftsfragen zur Evaluierung von Large Language Models (LLMs) in diesen Bereichen.
• AI-MO/NuminaMath: Eine Sammlung mathematischer Wettbewerbsaufgaben mit verifizierten Lösungen, die für das Training mathematischer LLMs verwendet wird.
• isp-uv-es/WorldFloodsv2: Ein globaler Hochwasser-Kartierungsdatensatz, der Satellitenbilder mit Hochwasser-Ausdehnungsbezeichnungen kombiniert.

Die Verfügbarkeit dieser Datensätze in standardisierten Formaten erleichtert die Reproduzierbarkeit und den Vergleich von Forschungsergebnissen.

Modelle: Werkzeuge für vielfältige Anwendungen

Neben Datensätzen bietet Hugging Science auch eine Reihe von vortrainierten KI-Modellen, die in verschiedenen wissenschaftlichen Anwendungsbereichen eingesetzt werden können. Einige Beispiele hierfür sind:

• Evo-2 40B: Ein DNA-Sprachmodell mit 40 Milliarden Parametern für Genfunktionsvorhersage und Sequenzgenerierung.
• STACK Large: Ein großes Modell für Einzelzell-Transkriptomik, das In-Kontext-Lernen über Zelltypen und Perturbationszustände hinweg unterstützt.
• WALRUS: Ein Grundmodell für Kontinuumsdynamik, das auf 15 physikalischen Simulationsdatensätzen trainiert wurde und Zero-Shot-Generalisierung ermöglicht.
• FourCastNet 3: Ein fortschrittliches ML-Modell für die globale Wettervorhersage, das 60-Tage-Prognosen in kurzer Zeit erstellt.
• MedGemma 27B: Ein großes, instruktionsbasiertes medizinisches KI-Modell für Radiologieberichte, Pathologiebildanalyse und klinische Fragenbeantwortung.
• Nucleotide Transformer 2.5B: Ein DNA-Sprachmodell, das auf Genomen von 850 Spezies trainiert wurde und bei der Vorhersage von Promotoren, Enhancern und Spleißstellen eingesetzt wird.
• ether0: Ein Modell mit 24 Milliarden Parametern für molekulares Reasoning, das SMILES-Generierung, Eigenschaftsvorhersage und Retrosynthese unterstützt.
• OpenFold3: Eine offene Reproduktion von AlphaFold3, die Strukturen von Proteinen, Nukleinsäuren und Liganden vorhersagt.

Diese Modelle repräsentieren den aktuellen Stand der Technik und ermöglichen es Forschenden, komplexe Probleme in ihren Fachgebieten anzugehen.

Die Rolle der Gemeinschaft und Open-Source-Prinzipien

Hugging Science ist eine Initiative, die auf Open-Source-Prinzipien und gemeinschaftlicher Zusammenarbeit basiert. Die Plattform fördert den Austausch von Wissen und Ressourcen durch:

• Kollaborative Herausforderungen: Aufrufe zur kollektiven Lösung von rechnerischen Engpässen in verschiedenen wissenschaftlichen Domänen.
• Offene Werkzeuge und Benchmarks: Bereitstellung standardisierter Formate und Metriken zur Datenfragmentierung und zur Erleichterung der Zusammenarbeit.
• Interdisziplinärer Austausch: Schaffung von Ressourcen, die die Kommunikation zwischen Domänenwissenschaftlern und ML-Forschenden verbessern.
• Community-Pflege: Wertschätzung von Beiträgen zur Datenkuratierung, Infrastrukturentwicklung und Bildungsressourcen.

Durch diesen Ansatz soll die Zugänglichkeit, Gerechtigkeit und Wirkung von KI-gestützten wissenschaftlichen Entdeckungen erhöht werden. Die Initiative legt Wert darauf, dass die größten Herausforderungen im Bereich KI für die wissenschaftliche Entdeckung nicht rein technischer Natur sind, sondern soziale und organisatorische Aspekte betreffen. Fortschritte hängen maßgeblich davon ab, wie effektiv Anstrengungen koordiniert, Ressourcen geteilt und über disziplinäre Grenzen hinweg zusammengearbeitet wird.

Ausblick und Implikationen für die B2B-Zielgruppe

Für Unternehmen im B2B-Sektor, insbesondere im Bereich der KI-Entwicklung und -Anwendung, bietet Hugging Science mehrere relevante Einblicke:

• Zugang zu spezialisierten Daten und Modellen: Die kuratierten Datensätze und Modelle ermöglichen es Unternehmen, schnell auf spezifische wissenschaftliche Domänen zugeschnittene KI-Lösungen zu entwickeln und zu validieren.
• Potenzial für Innovation und Produktentwicklung: Durch die Nutzung offener Ressourcen können Unternehmen ihre Forschungs- und Entwicklungszyklen verkürzen und innovative Produkte und Dienstleistungen im Bereich der wissenschaftlichen KI schneller auf den Markt bringen.
• Standardisierung und Interoperabilität: Die Förderung standardisierter Formate und Benchmarks innerhalb von Hugging Science kann zu einer verbesserten Interoperabilität von KI-Systemen und Daten in der Industrie führen.
• Kollaborationsmöglichkeiten: Die offene Natur der Plattform schafft Möglichkeiten für Kooperationen zwischen Unternehmen, Forschungseinrichtungen und der breiteren Entwicklergemeinschaft, um gemeinsam an komplexen wissenschaftlichen Herausforderungen zu arbeiten.
• Talententwicklung und Fachwissen: Die Bildungsressourcen und die aktive Gemeinschaft können zur Weiterbildung von Fachkräften im Bereich der wissenschaftlichen KI beitragen und somit den Zugang zu qualifiziertem Personal verbessern.

Zusammenfassend lässt sich festhalten, dass Initiativen wie Hugging Science eine wichtige Rolle bei der Gestaltung der Zukunft der KI-gestützten wissenschaftlichen Entdeckung spielen. Sie tragen dazu bei, Barrieren abzubauen und eine kollaborative Umgebung zu schaffen, die den Fortschritt in der Forschung beschleunigt und somit auch neue Möglichkeiten für den B2B-Sektor eröffnet.

Bibliography Hugging Face. (o. J.). Datasets – Hugging Face. Abgerufen von https://huggingface.co/datasets?other=huggingscience Hugging Face. (o. J.). science (Hugging Face Science). Abgerufen von https://huggingface.co/science Hugging Face. (o. J.). science (Hugging Face Science). Abgerufen von https://huggingface.co/science/collections Hugging Science. (o. J.). Hugging Science - AI for Scientific Discovery. Abgerufen von https://huggingscience.co/ Hugging Science. (o. J.). Hugging Science - Hugging Face. Abgerufen von https://huggingface.co/hugging-science/datasets Hugging Science. (o. J.). hugging-science (Hugging Science). Abgerufen von https://huggingface.co/hugging-science/spaces Hugging Science. (o. J.). hugging-science (Hugging Science). Abgerufen von https://huggingface.tw/hugging-science Hugging Science. (2025, September 22). Hugging Science. Abgerufen von https://huggingface.co/huggin Llms. (o. J.). Abgerufen von https://huggingscience.co/llms.txt J0nasW/science-datalake · Datasets at Hugging Face. (o. J.). Abgerufen von https://www.huggingface.co/datasets/J0nasW/science-datalake