ChemNet
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
- University of Washington
- Organisationstyp
- Academia
- Land
- United States of America
- Veröffentlicht
- 25 September 2024
- Autoren
- Ivan Anishchenko, Yakov Kipnis, Indrek Kalvet, Guangfeng Zhou, Rohith Krishna, Samuel J Pellock, Anna Lauko, Gyu Rie Lee, Linna An, Justas Dauparas, Frank DiMaio, David Baker
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Protein folding prediction
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
- 172,062,700 tokens
112,828 data points Calculation: Single dataset (PDB) with 112,828 examples = 112,828 total data points
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Modeling protein-small molecule conformational ensembles with ChemNet
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
ChemNet was published by University of Washington, in United States of America, in September 2024. academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein folding prediction.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Wie es trainiert wurde
Around 172,062,700 tokens went into training it.
Antworten
ChemNet — Häufig gestellte Fragen
Who created ChemNet?
ChemNet was published by University of Washington, based in United States of America, categorised as academia.
When was ChemNet released?
ChemNet 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 ChemNet used for?
ChemNet works in Biology, and is recorded as handling protein folding prediction. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run ChemNet?
None. ChemNet is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is ChemNet open source?
The licensing for ChemNet was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ChemNet have?
No parameter count has been published for ChemNet, 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.