DiffSBDD (CrossDocked)
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů nebyl pro něj zveřejněn. Každé číslo týkající se paměti a rychlosti začíná právě tímto číslem, a proto bychom raději nezobrazovali nic než vymyšlený odhad.
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Cornell University,Chinese Academy of Mathematics and System Science,University of Rome,Microsoft Research,University of Oxford,AITHYRA Institute
- Typ organizace
- Academia,Academia,Academia,Academia,Academia,Industry,Academia,Research collective
- Země
- Switzerland, United Kingdom of Great Britain and Northern Ireland, United States of America, China, Italy, Austria
- Publikováno
- 24 October 2022
- Autoři
- Arne Schneuing, Charles Harris, Yuanqi Du, Kieran Didi, Arian Jamasb, Ilia Igashov, Weitao Du, Carla Gomes, Tom Blundell, Pietro Lio, Max Welling, Michael Bronstein, Bruno Correia
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Drug discovery
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
- 2,900,000 tokens
- Epochy
- 1,000
"We use the CrossDocked dataset [26] with 100,000 high-quality protein-ligand pairs for training and 100 proteins for testing"
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
- 2.7 × 10²⁰ FLOP
- Jak bylo založeno
- Hardware
" For CrossDocked, 100 training epochs take approximately 6 h/8 h in the Cα case and 48 h/60 h per 100 epochs on a single NVIDIA A100 GPU with all atom pocket representation" 312000000000000*0.4*60 hours*10=2.695680e+20
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to bralo ze zásuvky.
- Tréninkové hardwarové zařízení
- NVIDIA A100
- Použité čipy
- 1
- Wall-clock time
- 600 hours (25 days)
- Příkon
- 440 W
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se na tuto stránku vztahují jakákoliv čísla grafických karet.
- Váhy
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
Code Availability. Our source codes are publicly available at https://github.com/arneschneuing/ (MIT license) DiffSBDD. Model weights can be downloaded from Zenodo: https://zenodo.org/records/8183747 (Creative Commons Attribution 4.0 International)
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
- 404
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- Structure-based Drug Design with Equivariant Diffusion Models
- Naposledy aktualizováno
- 25 May 2026
Co čísla znamenají
Pozadí
DiffSBDD (CrossDocked) was published by Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Cornell University,Chinese Academy of Mathematics and System Science,University of Rome,Microsoft Research,University of Oxford,AITHYRA Institute, in Switzerland, in October 2022. academia,Academia,Academia,Academia,Academia,Industry,Academia,Research collective is the category the publisher falls under.
It works in Biology, and is recorded as doing drug discovery.
The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached.
Jak byla trénována
The training run consumed about 2.7 × 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 2,900,000 tokens of text.
Odpovědi
DiffSBDD (CrossDocked) — Časté dotazy
Who created DiffSBDD (CrossDocked)?
DiffSBDD (CrossDocked) was published by Ecole Polytechnique F´ed´erale de Lausanne (EPFL),University of Cambridge,Cornell University,Chinese Academy of Mathematics and System Science,University of Rome,Microsoft Research,University of Oxford,AITHYRA Institute, based in Switzerland, categorised as academia,Academia,Academia,Academia,Academia,Industry,Academia,Research collective.
When was DiffSBDD (CrossDocked) released?
DiffSBDD (CrossDocked) was published in October 2022. 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 DiffSBDD (CrossDocked) used for?
DiffSBDD (CrossDocked) works in Biology, and is recorded as handling drug discovery. 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.
Where can I download DiffSBDD (CrossDocked)?
The weights for DiffSBDD (CrossDocked) are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train DiffSBDD (CrossDocked)?
Around 2.7 × 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.
What GPU do I need to run DiffSBDD (CrossDocked)?
We cannot say. DiffSBDD (CrossDocked) has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is DiffSBDD (CrossDocked) open source?
Its weights are published, so DiffSBDD (CrossDocked) can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
Kolik parametrů má DiffSBDD (CrossDocked)?
Žádný počet parametrů nebyl zveřejněn pro DiffSBDD (CrossDocked), a proto se na této stránce neobjevují žádná čísla paměti nebo rychlosti.
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.