FoldFlow
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),Dreamfold,University of Montreal / Université de Montréal,University of Oxford
- Typ organizace
- Academia,Academia,Industry,Academia,Academia
- Země
- Canada, United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 3 October 2023
- Autoři
- Avishek Joey Bose, Tara Akhound-Sadegh, Guillaume Huguet, Kilian Fatras, Jarrid Rector-Brooks, Cheng-Hao Liu, Andrei Cristian Nica, Maksym Korablyov, Michael Bronstein, Alexander Tong
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Protein generation
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Tréninková data
- 40,046,400 tokens
PDB Dataset: 22,248 proteins × 200 residues = 4,449,600 tokens MD Dataset: 200,000 frames × 58 residues = 11,600,000 tokens Total: 4,449,600 + 11,600,000 = 16,049,600 tokens (1.6 × 10⁷)
Výpočet trénování
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál trénink, nikoli jak rychle hotový model na vás odpovídá.
- Výpočet trénování
- 1.1 × 10²⁰ FLOP
- Jak bylo založeno
- Hardware
1. Hardware: 4x NVIDIA A100-80GB GPUs (3.12e14 FLOP/s per GPU) 2. Training duration: 2.5 days = 216,000 seconds (directly provided) 3. Utilization rate: 40% 4. Calculation: 3.12e14 FLOP/s × 4 GPUs × 216,000s × 0.40 = 1.1e20 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to bralo ze zásuvky.
- Tréninkové hardwarové zařízení
- NVIDIA A100
- Použité čipy
- 4
- Wall-clock time
- 60 hours
- Příkon
- 3.2 kW
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Záznam důvěry
- Confident
- Citace
- 165
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- SE(3) Stochastic Flow Matching for Protein Backbone Generation
- Naposledy aktualizováno
- 25 May 2026
Co čísla znamenají
Pozadí
FoldFlow was published by McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),Dreamfold,University of Montreal / Université de Montréal,University of Oxford, in Canada, in October 2023. It comes out of academia,Academia,Industry,Academia,Academia.
It works in Biology, and is recorded as doing protein generation.
Toto je uzavřený model: vyškolené hodnoty zůstaly u toho, kdo je vyprodukoval, a není zde žádná lokální verze k provozování.
Trénink a původ
The training run consumed about 1.1 × 10²⁰ FLOP, on NVIDIA A100. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 40,046,400 tokens of text.
Odpovědi
FoldFlow — Časté dotazy
What GPU do I need to run FoldFlow?
None. FoldFlow is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is FoldFlow open source?
The licensing for FoldFlow was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does FoldFlow have?
No parameter count has been published for FoldFlow, which is why no memory or speed figure appears on this page.
Who created FoldFlow?
FoldFlow was published by McGill University,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms),Dreamfold,University of Montreal / Université de Montréal,University of Oxford, based in Canada, categorised as academia,Academia,Industry,Academia,Academia.
When was FoldFlow released?
FoldFlow was published in October 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is FoldFlow used for?
FoldFlow works in Biology, and is recorded as handling protein generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train FoldFlow?
Around 1.1 × 10²⁰ FLOP, on NVIDIA A100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.