DFMDock

Otevřít váhy Johns Hopkins University September 2024

Žádný odhad

Žádné hardwarové požadavky pro tento model

Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..

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
Johns Hopkins University
Typ organizace
Academia
Země
United States of America
Publikováno
28 September 2024
Autoři
Lee-Shin Chu, Sudeep Sarma, Jeffrey J Gray

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Biology
Úkol
Protein-ligand binding affinity prediction

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

Výcviková data
tokens

"We trained our model on DIPS-hetero, a subset of DIPS [43 , 44] with approximately 11k heterodimers."

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
Open — downloadable
Přístup k modelu
Open weights (unrestricted)
Tréninkový kód
Unreleased

The inference code, model weights, and test set are available at https://github.com/Graylab/DFMDock MIT license

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Záznam důvěry
Unknown

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
Unified Sampling and Ranking for Protein Docking with DFMDock
Nap poslední aktualizace
28 November 2025

Co čísla znamenají

O tomto modelu

DFMDock byl zveřejněn Johns Hopkins University, v zemi zaznamenané jako United States of America, během September 2024. Kategorie, do které vydavatel spadá, je academia.

funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol protein-ligand binding affinity prediction.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.

Odpovědi

DFMDock — běžné otázky

01

DFMDock— Kdy byl vydán?

Bylo to zveřejněno v September 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

02

DFMDock— K čemu se to používá?

funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol protein-ligand binding affinity prediction. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

03

DFMDock— kde si to mohu stáhnout?

Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.

04

DFMDock— Jakou GPU potřebuji k jejímu spuštění?

Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.

05

DFMDock— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

06

DFMDock— kolik má parametrů?

Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.

07

DFMDock— Kdo to vytvořil?

Bylo to publikováno společností Johns Hopkins University, zakládající se na United States of America, organizace zařazená jako academia.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

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.