AlphaMissense
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Google DeepMind
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 22 September 2023
- Autoři
- Jun Cheng, Guido Novati, Joshua Pan, Clare Bycroft, Akvile ̇Žemgulyte ̇, Taylor Applebaum, Alexander Pritzel, Lai Hong Wong, Michal Zielinski, Tobias Sargeant, Rosalia G. Schneider,Andrew W. Senior, John Jumper, Demis Hassabis, Pushmeet Kohli,Žiga Avsec
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Protein pathogenicity prediction, Protein folding prediction, Proteins
- Základní model
- AlphaFold 2
- Číselný formát
- BF16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 93M
- Výcviková data
- 2,304,000,000 tokens
- Epochy
- 4
"The model architecture is similar to that of AlphaFold (21), with minor modifications" Reference is to the AlphaFold 2 paper; that model had 93 million parameters
7800000 samples - size of training dataset (see Table S4 in supplementary materials) +1,345,605 variants for fine-tuning (but less could be used) see Table S1 around 9000000 samples is quite confident estimation
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Open source
Apache for code. weights not released https://github.com/google-deepmind/alphamissense
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Likely
- Citace
- 1,226
"By combining structural context and evolutionary conservation, our model achieves state-of-the-art results across a wide range of genetic and experimental benchmarks, all without explicitly training on such data." [Abstract]
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Accurate proteome-wide missense variant effect prediction with AlphaMissense
- Nap poslední aktualizace
- 1 January 2026
Co čísla znamenají
Odkud to přišlo
AlphaMissense byl zveřejněn Google DeepMind, v zemi zaznamenané jako United States of America, během September 2023. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol protein pathogenicity prediction, Protein folding prediction, Proteins.
Staví na AlphaFold 2. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Trénink spotřeboval korpus kolem 2,304,000,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
AlphaMissense — běžné otázky
AlphaMissense— Kdy byl vydán?
Bylo to zveřejněno v September 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
AlphaMissense— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol protein pathogenicity prediction, Protein folding prediction, Proteins. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
AlphaMissense— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
AlphaMissense— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
AlphaMissense— kolik má parametrů?
Má počet parametrů 93M. "The model architecture is similar to that of AlphaFold (21), with minor modifications" Reference is to the AlphaFold 2 paper; that model had 93 million parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
AlphaMissense— Kdo to vytvořil?
Bylo to publikováno společností Google DeepMind, zakládající se na United States of America, organizace zařazená jako industry.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.