MatterSim (Grpaphomer)
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
- Microsoft Research AI for Science
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 10 May 2024
- Autoren
- Han Yang, Chenxi Hu, Yichi Zhou, Xixian Liu, Yu Shi, Jielan Li, Guanzhi Li, Zekun Chen, Shuizhou Chen, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Jake Smith, Lixin Sun, Qian Wang, Lingyu Kong, Chang Liu, Hongxia Hao, Ziheng Lu
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Materials science
- Aufgabe
- Atomistic simulations, Molecular simulation
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.
- Parameter
- 182M
- Trainingsdaten
- tokens
"The total parameters of Graphormer is 182M."
"The model is trained for a total of 1,562,500 steps" "The batch size for training is set to 256" "the maximum number of expanded atoms is capped at 256"
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 1.1 × 10²⁰ FLOP
- Wie es etabliert wurde
- Operation counting
Speculative confidence because I am unsure how to calculate gradient updates/tokens 6*1,562,500*256*256*182000000=1.118208e+20
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
- 64
- Stromverbrauch
- 50.6 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
- Speculative
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- MatterSim: A Deep Learning Atomistic Model Across Elements, Temperatures and Pressures
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Über dieses Modell
MatterSim (Grpaphomer) wurde veröffentlicht von Microsoft Research AI for Science, im Land aufgezeichnet als United States of America, während May 2024. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Materials science, und wird als die Aufgabe von aufgezeichnet atomistic simulations, Molecular simulation.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Das Training benötigte ein Rechenbudget von ungefähr 1.1 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA A100. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
MatterSim (Grpaphomer) — Häufige Fragen
MatterSim (Grpaphomer)— Wer hat es erstellt?
Es wurde veröffentlicht von Microsoft Research AI for Science, basiert auf United States of America, eine als kategorisierte Organisation industry.
MatterSim (Grpaphomer)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in May 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
MatterSim (Grpaphomer)— Wofür wird es verwendet?
Es funktioniert im Bereich von Materials science, und wird als Bewältigung der Aufgabe von atomistic simulations, Molecular simulation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
MatterSim (Grpaphomer)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 1.1 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA A100. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
MatterSim (Grpaphomer)— 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.
MatterSim (Grpaphomer)— 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.
MatterSim (Grpaphomer)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 182M. "The total parameters of Graphormer is 182M.". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
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.