DiffDock-PP
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
- Technical University of Munich,Massachusetts Institute of Technology (MIT)
- Τύπος οργάνωσης
- Academia,Academia
- Χώρα
- Germany, United States of America
- Δημοσιευμένο
- 8 April 2023
- Συγγραφείς
- Mohamed Amine Ketata, Cedrik Laue, Ruslan Mammadov, Hannes Stärk, Menghua Wu, Gabriele Corso, Céline Marquet, Regina Barzilay, Tommi S. Jaakkola
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Biology
- Εντολή
- Protein interaction 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.
- Παραμέτροι
- 1.6M
- Δεδομένα εκπαίδευσης
- 42,826 tokens
- Εποχές
- 170
42,826 pairs approximated at 500 tokens 42826*500=21413000
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.
- Υπολογιστική εκπαίδευση
- 3.5 × 10¹⁶ FLOP
Using 6ND formula with 170 epochs 6*21413000*1620000*170=3.5382841e+16
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Καταγραφή εμπιστοσύνης
- Likely
- Αναφορές
- 67
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- DiffDock-PP: Rigid Protein-Protein Docking with Diffusion Models
- Τελευταία ενημέρωση
- 25 May 2026
Τι σημαίνουν οι αριθμοί
Σχετικά με αυτό το μοντέλο
DiffDock-PP was published by Technical University of Munich,Massachusetts Institute of Technology (MIT), in Germany, in April 2023. academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein interaction prediction.
Τα βάρη του δεν δημοσιεύθηκαν ποτέ, οπότε μπορεί να αποκτηθεί μόνο μέσω του παρόχου του. Καμία κάρτα γραφικών δεν αλλάζει αυτό.
Τι απαιτήθηκε για την κατασκευή του
Producing it required around 3.5 × 10¹⁶ FLOP of arithmetic, which is a statement about the training budget rather than about inference.
The training set ran to roughly 42,826 tokens.
Απαντήσεις
DiffDock-PP — Συχνές ερωτήσεις
When was DiffDock-PP released?
DiffDock-PP was published in April 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 DiffDock-PP used for?
DiffDock-PP works in Biology, and is recorded as handling protein interaction 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.
How much compute was used to train DiffDock-PP?
Around 3.5 × 10¹⁶ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DiffDock-PP?
None. DiffDock-PP 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 DiffDock-PP open source?
The licensing for DiffDock-PP 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 DiffDock-PP have?
DiffDock-PP has 1.6M parameters. 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 DiffDock-PP?
DiffDock-PP was published by Technical University of Munich,Massachusetts Institute of Technology (MIT), based in Germany, categorised as academia,Academia.
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..