PocketGen
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
- University of Science and Technology of China (USTC),Hefei Comprehensive National Science Center,Harvard University,Broad Institute,Harvard Data Science Initiative
- Typ organizace
- Academia,Research collective,Academia,Research collective,Academia
- Země
- China, United States of America
- Publikováno
- 23 September 2024
- Autoři
- Zaixi Zhang, Wan Xiang Shen, Qi Liu, Marinka Zitnik
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Biology
- Úkol
- Protein-ligand contact prediction
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 7.9M
- Výcviková data
- tokens
"As a result, PocketGen requires significantly fewer trainable parameters than RFDiffusionAA [16] (7.9M versus 82.9M trainable parameters)."
"Finally, we have 40k protein-ligand pairs for training, 100 pairs for validation, and 100 pairs for testing." 40000*300 (assumed length) = 12000000
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 2.1 × 10¹⁹ FLOP
- Jak bylo ustanoveno
- Hardware
"It takes around 48 hours to finish training on 1 Tesla A100 GPU from scratch." Assume 40% utilization, FP16 tensor precision.
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100
- Používané čipy
- 1
- Doba reálného času
- 48 hours
- Příkon
- 433 W
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 15
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Efficient Generation of Protein Pockets with PocketGen
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
PocketGen byl zveřejněn University of Science and Technology of China (USTC),Hefei Comprehensive National Science Center,Harvard University,Broad Institute,Harvard Data Science Initiative, v zemi zaznamenané jako China, během September 2024. Vydavatelská organizace je kategorizována jako academia,Research collective,Academia,Research collective,Academia.
funguje v oblasti Biology, a je zaznamenán jako vykonávající úkol protein-ligand contact prediction.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.1 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
PocketGen — běžné otázky
PocketGen— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
PocketGen— kolik má parametrů?
Má počet parametrů 7.9M. "As a result, PocketGen requires significantly fewer trainable parameters than RFDiffusionAA [16] (7.9M versus 82.9M trainable parameters).". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
PocketGen— Kdo to vytvořil?
Bylo to publikováno společností University of Science and Technology of China (USTC),Hefei Comprehensive National Science Center,Harvard University,Broad Institute,Harvard Data Science Initiative, zakládající se na China, organizace zařazená jako academia,Research collective,Academia,Research collective,Academia.
PocketGen— 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.
PocketGen— K čemu se to používá?
funguje v oblasti Biology, a je zaznamenáno jako zpracovávající úkol protein-ligand contact prediction. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
PocketGen— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.1 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
PocketGen— 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.
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.