SeaMoon
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
- Sorbonne University,Université Grenoble Alpes,Institut Universitaire de France (IUF)
- Tipo de Organización
- Academia,Academia,Research collective
- País
- France
- Publicado
- 25 September 2024
- Autores
- Valentin Lombard, Dan Timsit, Sergei Grudinin, Elodie Laine
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 folding 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.
- parámetros
- 1M
- Datos de entrenamiento
- tokens
- Épocas
- 500
7,339 collections × 5 conformations/collection = 36,695 conformations 36,695 conformations × 300 residues/protein = 11,008,500 datapoints Final estimate: 1.1e7 datapoints
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
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- SeaMoon: Prediction of molecular motions based on language models
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
SeaMoon fue publicado por Sorbonne University,Université Grenoble Alpes,Institut Universitaire de France (IUF), en el país registrado como France, durante September 2024. La organización editora está clasificada como academia,Academia,Research collective.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein folding prediction.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Respuestas
SeaMoon — preguntas comunes
SeaMoon— ¿Quién lo creó?
Fue publicado por Sorbonne University,Université Grenoble Alpes,Institut Universitaire de France (IUF), basado en France, una organización categorizada como academia,Academia,Research collective.
SeaMoon— ¿cuándo fue lanzado?
Se publicó en September 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.
SeaMoon— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein folding prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
SeaMoon— ¿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.
SeaMoon— ¿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.
SeaMoon— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1M. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
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.