RFdiffusion
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου είναι ανοιχτά, αλλά κανένας αριθμός παραμέτρων δεν έχει δημοσιοποιηθεί γι' αυτό. Κάθε νούμερο σχετικά με τη μνήμη και την ταχύτητα ξεκινά από αυτόν τον αριθμό, γι' αυτό προτιμούμε να μην δείχνουμε τίποτα παρά μια πλαστή εκτίμηση.
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
- University of Washington,Columbia University,Ecole Normale Supèrieure,University of Cambridge,Massachusetts Institute of Technology (MIT),Seoul National University
- Τύπος οργάνωσης
- Academia,Academia,Academia,Academia,Academia,Academia
- Χώρα
- United States of America, France, United Kingdom of Great Britain and Northern Ireland, Korea (Republic of)
- Δημοσιευμένο
- 23 July 2023
- Συγγραφείς
- Joseph L. Watson, David Juergens, Nathaniel R. Bennett, Brian L. Trippe, Jason Yim, Helen E. Eisenach, Woody Ahern, Andrew J. Borst, Robert J. Ragotte, Lukas F. Milles, Basile I. M. Wicky, Nikita Hanikel, Samuel J. Pellock, Alexis Courbet, William Sheffler, Jue Wang, Preetham Venkatesh, Isaac Sappington, Susana Vázquez Torres, Anna Lauko, Valentin De Bortoli, Emile Mathieu, Sergey Ovchinnikov, Reg…
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Biology
- Εντολή
- Protein generation, Protein folding prediction
- Βασικό μοντέλο
- RoseTTAFold All-Atom (RFAA)
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
- tokens
Table 3 (Supplementary materials): Initial Training: crop size 256 25600 examples per epoch 200 epochs Fine tuning: crop size 384 25600 examples per epoch 100 epochs 256*25600*200+384*25600*100 = 2293760000 tokens ~ 2.3B tokens
Υπολογιστική εκπαίδευση
Η αριθμητική που εκτελείται για την εκπαίδευση του μοντέλου, μετρημένη σε αριθμητικές πράξεις κινητής υποδιαστολής. Είναι ένα μέτρο του κόστους της εκπαίδευσης, όχι πόσο γρήγορα απαντά το ολοκληρωμένο μοντέλο.
- Πώς ιδρύθηκε
- Hardware
- Καλή ρύθμιση υπολογισμού
- 5.8 × 10²¹ FLOP
125000000000000*64*672*3600*0.3=5.80608e+21
Η εκπαίδευση
Τι χρειάστηκε φυσικά για να εκπαιδεύσουμε: ποια τσιπ, πόσα, για πόσο καιρό, και τι αυτό τραβούσε από τον τοίχο.
- Εκπαίδευση υλικού
- NVIDIA V100
- Τσιπ που χρησιμοποιούνται
- 64
- Χρόνος τοίχου
- 672 hours (28 days)
- Κατανάλωση ενέργειας
- 38.2 kW
"RoseTTAFold was trained for 4 weeks on 64 V100 GPUs on Microsoft Azure." 4*7*24=672 hours
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
- Open — downloadable
- Πρόσβαση μοντέλου
- Open weights (unrestricted)
- Κώδικας εκπαίδευσης
- Unreleased
Code for running RFdiffusion has been released on GitHub, free for academic, personal and commercial use at https://github.com/Rosetta- Commons/RFdiffusion. It is also available as a Google Colab notebook, accessible through GitHub.
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
- De novo design of protein structure and function with RFdiffusion
- Τελευταία ενημέρωση
- 28 November 2025
Τι σημαίνουν οι αριθμοί
Τι είναι αυτό το μοντέλο
RFdiffusion was published by University of Washington,Columbia University,Ecole Normale Supèrieure,University of Cambridge,Massachusetts Institute of Technology (MIT),Seoul National University, in United States of America, in July 2023. academia,Academia,Academia,Academia,Academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein generation, Protein folding prediction.
Its starting point was RoseTTAFold All-Atom (RFAA) — most models at this scale are adapted from an existing base rather than built from nothing.
Επειδή τα βάρη του απελευθερώθηκαν, τίποτα σχετικά με την εκτέλεσή του δεν εξαρτάται από έναν πάροχο που παραμένει διαθέσιμος - είναι δικό σας μόλις κατέβει.
Απαντήσεις
RFdiffusion — Συχνές ερωτήσεις
Is RFdiffusion open source?
Its weights are published, so RFdiffusion can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does RFdiffusion have?
No parameter count has been published for RFdiffusion, which is why no memory or speed figure appears on this page.
Who created RFdiffusion?
RFdiffusion was published by University of Washington,Columbia University,Ecole Normale Supèrieure,University of Cambridge,Massachusetts Institute of Technology (MIT),Seoul National University, based in United States of America, categorised as academia,Academia,Academia,Academia,Academia,Academia.
When was RFdiffusion released?
RFdiffusion was published in July 2023. 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 RFdiffusion used for?
RFdiffusion works in Biology, and is recorded as handling protein generation, Protein folding prediction. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download RFdiffusion?
The weights for RFdiffusion are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run RFdiffusion?
We cannot say. RFdiffusion has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
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..