Genesis
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos de este modelo son OPEN WEIGHT, pero no se ha publicado ninguna cuenta de parámetros para él. Cada figura de MEMORY y velocidad comienza a partir de ese número, así que preferiríamos no mostrar nada que una estimación fabricada..
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics,Imperial College London,University of Oxford,Prescient Design
- Tipo de Organización
- Academia,Academia,Academia,Industry
- País
- Switzerland, United Kingdom of Great Britain and Northern Ireland, United States of America
- Publicado
- 8 October 2024
- Autores
- Zander Harteveld, Alexandra Van Hall-Beauvais, Irina Morozova, Joshua Southern, Casper Goverde, Sandrine Georgeon, Stéphane Rosset, Michëal Defferrard, Andreas Loukas, Pierre Vandergheynst, Michael M. Bronstein, Bruno E. Correia
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 design
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
- 35,435 tokens
Pre-training: In total, we created a total of 40726 pairs Main training: This resulted in a total of 35435 sketch – native domain pairs. Total pairs: 76161 Prediction targets: probability distributions for 4 values per pair. (35435+40726)*4=304644
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Código de entrenamiento
- Open source
The training and test data can be downloaded at https://zenodo.org/records/10622407 The Genesis code and trained weights can be downloaded at https://github.com/zanderharteveld/genesis (MIT license)
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
- 4
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Exploring “dark-matter” protein folds using deep learning
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Genesis fue publicado por Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics,Imperial College London,University of Oxford,Prescient Design, en el país registrado como Switzerland, durante October 2024. La organización editora está clasificada como academia,Academia,Academia,Industry.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein design.
Los pesos publicados significan que el modelo se ejecuta en tu máquina en lugar de en la de alguien más, lo que hace que la pregunta sobre hardware a continuación sea respondible.
Cómo fue entrenado
El conjunto de entrenamiento se ejecutó a aproximadamente 35,435 tokens de texto
Respuestas
Genesis — preguntas comunes
Genesis— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein design. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Genesis— ¿Dónde puedo descargarlo?
Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.
Genesis— ¿Qué GPU necesito para ejecutarlo?
No podemos decir. Tiene pesos abiertos, pero no se ha publicado ningún conteo de parámetros para él, y todos los cálculos de memoria y velocidad comienzan desde ese número. Preferiríamos no mostrar nada que una estimación fabricada.
Genesis— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
Genesis— ¿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.
Genesis— ¿Quién lo creó?
Fue publicado por Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swiss Institute of Bioinformatics,Imperial College London,University of Oxford,Prescient Design, basado en Switzerland, una organización categorizada como academia,Academia,Academia,Industry.
Genesis— ¿cuándo fue lanzado?
Se publicó en October 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.
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.