EvolMPNN
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
- Aarhus university
- Τύπος οργάνωσης
- Academia
- Χώρα
- Denmark
- Δημοσιευμένο
- 22 August 2024
- Συγγραφείς
- Zhiqiang Zhong, Davide Mottin
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Biology
- Εντολή
- Mutation prediction, Protein property prediction
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Δεδομένα εκπαίδευσης
- 63,001 tokens
Total proteins = 82,583 + 8,733 + 54,025 = 145,341 proteins Residues per protein (avg) = 200 Total datapoints = 145,341 × 200 = 29,068,200 ≈ 2.9 × 10^7
Διαθεσιμότητα
Εάν μπορείτε να αποκτήσετε το μοντέλο και να το εκτελέσετε στον δικό σας εξοπλισμό, κάτι που αποφασίζει αν κάποια από τα στοιχεία της κάρτας γραφικών σε αυτή τη σελίδα εφαρμόζονται.
- Βάρη
- Closed — provider access only
- Πρόσβαση μοντέλου
- Unreleased
- Κώδικας εκπαίδευσης
- Open (non-commercial)
no clear license https://github.com/zhiqiangzhongddu/EvolMPNN the repo seems to include training and inference code, I am not sure about model weights
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Καταγραφή εμπιστοσύνης
- Confident
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- Efficiently Predicting Mutational Effect on Homologous Proteins by Evolution Encoding
- Τελευταία ενημέρωση
- 28 November 2025
Τι σημαίνουν οι αριθμοί
Σχετικά με αυτό το μοντέλο
EvolMPNN was published by Aarhus university, in Denmark, in August 2024. It comes out of academia.
It works in Biology, and is recorded as doing mutation prediction, Protein property prediction.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Πώς εκπαιδεύτηκε
The training set ran to roughly 63,001 tokens.
Απαντήσεις
EvolMPNN — Συχνές ερωτήσεις
Is EvolMPNN open source?
No. EvolMPNN has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does EvolMPNN have?
No parameter count has been published for EvolMPNN, which is why no memory or speed figure appears on this page.
Who created EvolMPNN?
EvolMPNN was published by Aarhus university, based in Denmark, categorised as academia.
When was EvolMPNN released?
EvolMPNN was published in August 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 EvolMPNN used for?
EvolMPNN works in Biology, and is recorded as handling mutation prediction, Protein property 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 EvolMPNN?
None. EvolMPNN 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.
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..