CoPRA
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications
- Organisationsart
- Academia,Academia,Academia,Academia
- Land
- China, United Kingdom of Great Britain and Northern Ireland, Australia
- Veröffentlicht
- 21 August 2024
- Autoren
- Rong Han, Xiaohong Liu, Tong Pan, Jing Xu, Xiaoyu Wang, Wuyang Lan, Zhenyu Li, Zixuan Wang, Jiangning Song, Guangyu Wang, Ting Chen
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Protein-RNA binding affinity prediction
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Trainingsdaten
- 1,966,080,310 tokens
Summary: 1. Chain pairs: 30,000 2. Poses per pair: 3 Total datapoints: 30,000 × 3 = 90,000 3. Tokens per datapoint: - Protein residues: 200 - RNA bases: 100 Total tokens per datapoint: 200 + 100 = 300 4. Final calculation: 90,000 datapoints × 300 tokens/datapoint = 27,000,000 tokens
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA A100
- Verwendete Chips
- 4
- Stromverbrauch
- 3.2 kW
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Likely
- Zitationen
- 7
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- CoPRA: Bridging Cross-domain Pretrained Sequence Models with Complex Structures for Protein-RNA Binding Affinity Prediction
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
CoPRA wurde veröffentlicht von Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, im Land aufgezeichnet als China, während August 2024. Die veröffentlichende Organisation ist als academia,Academia,Academia,Academia.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein-RNA binding affinity prediction.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Was in den Aufbau geflossen ist
Training verbrauchte ein Korpus von etwa 1,966,080,310 Text-Tokens
Antworten
CoPRA — Häufige Fragen
CoPRA— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
CoPRA— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
CoPRA— Wie viele Parameter hat es?
Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.
CoPRA— Wer hat es erstellt?
Es wurde veröffentlicht von Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, basiert auf China, eine als kategorisierte Organisation academia,Academia,Academia,Academia.
CoPRA— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in August 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
CoPRA— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein-RNA binding affinity prediction. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.