MPDF
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Chinese University of Hong Kong (CUHK),Lanzhou University,Zhejiang Lab,Zhejiang University (ZJU)
- Organisationstyp
- Academia,Academia,Academia
- Land
- Hong Kong, China
- Veröffentlicht
- 7 September 2024
- Autoren
- Chunbin Gu, Mutian He, Hanqun Cao, Guangyong Chen, Chang-yu Hsieh, Pheng Ann Heng
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Drug discovery
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- tokens
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Training-Computing
- 3.1 × 10¹⁷ FLOP
- Wie es etabliert wurde
- Hardware
1. Hardware: 1x NVIDIA GeForce RTX 3090 2. Training duration: 6 hours (max of 1-6 hour range) = 21,600 seconds 3. Utilization: 40% 4. Calculation: 35580000000000*6*60*60*0.4=3.074112e+17
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- NVIDIA GeForce RTX 3090
- Verwendete Chips
- 1
- Wand-Uhrzeit
- 6 hours
- Stromverbrauch
- 379 W
"with training times ranging from 1 to 6 hours, depending on the complexity and size of the different building blocks."
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
- Zitationen
- 2
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
MPDF was published by Chinese University of Hong Kong (CUHK),Lanzhou University,Zhejiang Lab,Zhejiang University (ZJU), in Hong Kong, in September 2024. The organisation is categorised as academia,Academia,Academia.
It works in Biology, and is recorded as doing drug discovery.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Training und Herkunft
Training it took roughly 3.1 × 10¹⁷ FLOP of computation, on NVIDIA GeForce RTX 3090 — a measure of what producing the model cost, not of how fast it answers.
Antworten
MPDF — Häufig gestellte Fragen
Who created MPDF?
MPDF was published by Chinese University of Hong Kong (CUHK),Lanzhou University,Zhejiang Lab,Zhejiang University (ZJU), based in Hong Kong, categorised as academia,Academia,Academia.
When was MPDF released?
MPDF was published in September 2024. 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 MPDF used for?
MPDF 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.
How much compute was used to train MPDF?
Around 3.1 × 10¹⁷ FLOP, on NVIDIA GeForce RTX 3090. 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 MPDF?
Keine. MPDF ist ein geschlossenes Modell - seine Gewichte wurden nie veröffentlicht, so dass es nicht heruntergeladen oder auf deiner eigenen Hardware zu irgendeinem Preis ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Is MPDF open source?
No. MPDF has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does MPDF have?
No parameter count has been published for MPDF, which is why no memory or speed figure appears on this page.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.