MassiveFold

Geschlossene Gewichtungen Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS November 2024

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
Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS
Organisationsart
Academia,Academia,Academia
Land
France, Sweden
Veröffentlicht
11 November 2024
Autoren
Nessim Raouraoua, Claudio Mirabello, Thibaut Véry, Christophe Blanchet, Bjorn Wallner, Marc Lensink, Guillaume Brysbaert

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain
Biology
Aufgabe
Protein folding 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
tokens

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit
Unknown

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz
MassiveFold: unveiling AlphaFold’s hidden potential with optimized and parallelized massive sampling
Zuletzt aktualisiert
28 November 2025

Was die Zahlen bedeuten

Was dieses Modell ist

MassiveFold wurde veröffentlicht von Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS, im Land aufgezeichnet als France, während November 2024. Die Kategorie, in die der Herausgeber fällt, ist academia,Academia,Academia.

Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein folding prediction.

Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.

Antworten

MassiveFold — Häufige Fragen

01

MassiveFold— 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.

02

MassiveFold— Wie viele Parameter hat es?

Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.

03

MassiveFold— Wer hat es erstellt?

Es wurde veröffentlicht von Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS, basiert auf France, eine als kategorisierte Organisation academia,Academia,Academia.

04

MassiveFold— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in November 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

05

MassiveFold— Wofür wird es verwendet?

Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein folding prediction. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

06

MassiveFold— 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.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

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.