BindDM
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Peng Cheng Laboratory,Peking University,University of Science and Technology of China (USTC),ByteDance,Tsinghua University
- Tipo de organización
- Academia,Academia,Academia,Industry,Academia
- País
- China
- Publicado
- 24 March 2024
- Autores
- Zhilin Huang, Ling Yang, Zaixi Zhang, Xiangxin Zhou, Yu Bao, Xiawu Zheng, Yuwei Yang, Yu Wang, Wenming Yang
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Drug discovery, Protein-ligand contact prediction, Protein-ligand binding affinity prediction
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 10,000,000 tokens
100,000 protein-ligand pairs Total datapoints = 100,000 Final result = 1.0e5
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Open (non-commercial)
no clear license https://github.com/YangLing0818/BindDM
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
- Citations
- 14
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Binding-Adaptive Diffusion Models for Structure-Based Drug Design
- Última actualización
- 1 December 2025
Qué significan los números
Acerca de este modelo
BindDM was published by Peng Cheng Laboratory,Peking University,University of Science and Technology of China (USTC),ByteDance,Tsinghua University, in China, in March 2024. It comes out of academia,Academia,Academia,Industry,Academia.
It works in Biology, and is recorded as doing drug discovery, Protein-ligand contact prediction, Protein-ligand binding affinity prediction.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Training and provenance
The training set ran to roughly 10,000,000 tokens.
Respuestas
BindDM — Preguntas frecuentes
What is BindDM used for?
BindDM works in Biology, and is recorded as handling drug discovery, Protein-ligand contact prediction, Protein-ligand binding affinity prediction. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run BindDM?
None. BindDM 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 BindDM open source?
No. BindDM has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does BindDM have?
No parameter count has been published for BindDM, which is why no memory or speed figure appears on this page.
Who created BindDM?
BindDM was published by Peng Cheng Laboratory,Peking University,University of Science and Technology of China (USTC),ByteDance,Tsinghua University, based in China, categorised as academia,Academia,Academia,Industry,Academia.
When was BindDM released?
BindDM was published in March 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.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.