CPDiffusion
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.
Σε εγγραφή
Πλήρης προδιαγραφή
Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.
Προέλευση
Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;
- Οργάνωση
- Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab
- Τύπος οργάνωσης
- Academia,Academia,Academia,Academia
- Χώρα
- China, Australia, United Kingdom of Great Britain and Northern Ireland
- Δημοσιευμένο
- 10 September 2024
- Συγγραφείς
- Bingxin Zhou, Lirong Zheng, Banghao Wu, Kai Yi, Bozitao Zhong, Yang Tan, Qian Liu, Pietro Liò, Liang Hong
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Biology
- Εντολή
- Protein design
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Παραμέτροι
- 4M
- Δεδομένα εκπαίδευσης
- 6,207,900 tokens
CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures.
CATH: 20,000 × 250 = 5,000,000 pAgo: 694 × 800 = 555,200 Total: 5,000,000 + 555,200 = 5,555,200 ≈ 5.6 × 10^6 datapoints
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Καταγραφή εμπιστοσύνης
- Confident
- Αναφορές
- 1
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity
- Τελευταία ενημέρωση
- 28 November 2025
Τι σημαίνουν οι αριθμοί
Σχετικά με αυτό το μοντέλο
CPDiffusion was published by Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, in China, in September 2024. It comes out of academia,Academia,Academia,Academia.
It works in Biology, and is recorded as doing protein design.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Εκπαίδευση και προέλευση
It was trained on about 6,207,900 tokens of text.
Απαντήσεις
CPDiffusion — Συχνές ερωτήσεις
What is CPDiffusion used for?
CPDiffusion works in Biology, and is recorded as handling protein design. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run CPDiffusion?
None. CPDiffusion 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 CPDiffusion open source?
The licensing for CPDiffusion 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 CPDiffusion have?
CPDiffusion has 4M parameters. CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created CPDiffusion?
CPDiffusion was published by Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, based in China, categorised as academia,Academia,Academia,Academia.
When was CPDiffusion released?
CPDiffusion 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.
Η άλλη κατεύθυνση
Βλέποντάς το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..