KnoMol

Pesos cerrados Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine September 2024

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
Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine
Tipo de Organización
Academia,Academia
País
China
Publicado
25 September 2024
Autores
Jian Gao, Zheyuan Shen, Yan Lu, Liteng Shen, Binbin Zhou, Donghang Xu, Haibin Dai, Lei Xu, Jinxin Che, Xiaowu Dong

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Biology
Tarea
Molecular property 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
401,646 tokens

Largest experiment: QM9 with 133,882 examples. Regression task with 1 prediction target.

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
Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
KnoMol: A Knowledge-Enhanced Graph Transformer for Molecular Property Prediction
Última actualización
28 November 2025

Qué significan los números

Qué es este modelo

KnoMol fue publicado por Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine, en el país registrado como China, durante September 2024. La categoría en la que se encuentra el editor es academia,Academia.

Funciona en el dominio de Biology, y se registra como realizando la tarea de molecular property 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

Fue entrenado en un corpus de aproximadamente 401,646 tokens de texto

Respuestas

KnoMol — preguntas comunes

01

KnoMol— ¿Para qué se utiliza?

Funciona en el dominio de Biology, y se registra como manejando la tarea de molecular property prediction. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

02

KnoMol— ¿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.

03

KnoMol— ¿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.

04

KnoMol— ¿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.

05

KnoMol— ¿Quién lo creó?

Fue publicado por Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine, basado en China, una organización categorizada como academia,Academia.

06

KnoMol— ¿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.

Origen

Publicación original

Última actualización registrada 28 November 2025

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.