CoPRA
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications
- Tipo de Organización
- Academia,Academia,Academia,Academia
- País
- China, United Kingdom of Great Britain and Northern Ireland, Australia
- Publicado
- 21 August 2024
- Autores
- Rong Han, Xiaohong Liu, Tong Pan, Jing Xu, Xiaoyu Wang, Wuyang Lan, Zhenyu Li, Zixuan Wang, Jiangning Song, Guangyu Wang, Ting Chen
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Protein-RNA binding affinity prediction
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 1,966,080,310 tokens
Summary: 1. Chain pairs: 30,000 2. Poses per pair: 3 Total datapoints: 30,000 × 3 = 90,000 3. Tokens per datapoint: - Protein residues: 200 - RNA bases: 100 Total tokens per datapoint: 200 + 100 = 300 4. Final calculation: 90,000 datapoints × 300 tokens/datapoint = 27,000,000 tokens
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
- Chips utilizados
- 4
- Consumo de energía
- 3.2 kW
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Likely
- Citas
- 7
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- CoPRA: Bridging Cross-domain Pretrained Sequence Models with Complex Structures for Protein-RNA Binding Affinity Prediction
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
CoPRA fue publicado por Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, en el país registrado como China, durante August 2024. La organización editora está clasificada como academia,Academia,Academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein-RNA binding affinity prediction.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
El entrenamiento consumió un corpus de alrededor de 1,966,080,310 tokens de texto
Respuestas
CoPRA — preguntas comunes
CoPRA— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
CoPRA— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
CoPRA— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
CoPRA— ¿Quién lo creó?
Fue publicado por Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, basado en China, una organización categorizada como academia,Academia,Academia,Academia.
CoPRA— ¿cuándo fue lanzado?
Se publicó en August 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
CoPRA— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein-RNA binding affinity prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.