DrugTar
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
- Isfahan University of Technology
- Organisationsart
- Academia
- Land
- Iran (Islamic Republic of)
- Veröffentlicht
- 24 September 2024
- Autoren
- Niloofar Borhani, Iman Izadi, View ORCID ProfileAli Motahharynia, Mahsa Sheikholeslami, Yousof Gheisari
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Protein property prediction, Drug discovery
- Basis-Modell
- ESM2-650M
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
- 650M
- Trainingsdaten
- 4,068 tokens
- Epochen
- 15
4068 (ProTar-II dataset)*300(estimated tokens per protein)=1220400
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
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- DrugTar Improves Druggability Prediction by Integrating Large Language Models and Gene Ontologies
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
DrugTar wurde veröffentlicht von Isfahan University of Technology, im Land aufgezeichnet als Iran (Islamic Republic of), während September 2024. Die Kategorie, in die der Herausgeber fällt, ist academia.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein property prediction, Drug discovery.
Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von ESM2-650M. Das ist der übliche Weg, wie ein spezialisiertes Modell hergestellt wird.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Was in den Aufbau geflossen ist
Training verbrauchte ein Korpus von etwa 4,068 Text-Tokens
Antworten
DrugTar — Häufige Fragen
DrugTar— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 650M. 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.
DrugTar— Wer hat es erstellt?
Es wurde veröffentlicht von Isfahan University of Technology, basiert auf Iran (Islamic Republic of), eine als kategorisierte Organisation academia.
DrugTar— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in September 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
DrugTar— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein property prediction, Drug discovery. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
DrugTar— 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.
DrugTar— 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.
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.