GenMS
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Google DeepMind
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 10 September 2024
- Auteurs
- Sherry Yang, Simon Batzner, Ruiqi Gao, Muratahan Aykol, Alexander L. Gaunt, Brendan McMorrow, Danilo J. Rezende, Dale Schuurmans, Igor Mordatch, Ekin D. Cubuk
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Materials science
- Tâche
- Crystal discovery
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Données d'entraînement
- tokens
for training dissusion model (there were also language and GNN modeules trained): Batch size 512 Training steps 200000
L'entraînement
Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.
- Matériel d'entraînement
- Google TPU v4
- Chips utilisés
- 64
- Consommation d'énergie
- 42.9 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Unknown
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Generative Hierarchical Materials Search
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Where it came from
GenMS was published by Google DeepMind, in United States of America, in September 2024. The organisation is categorised as industry.
It works in Materials science, and is recorded as doing crystal discovery.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Réponses
GenMS — Questions fréquentes
Who created GenMS?
GenMS was published by Google DeepMind, based in United States of America, categorised as industry.
When was GenMS released?
GenMS was published in September 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.
What is GenMS used for?
GenMS works in Materials science, and is recorded as handling crystal discovery. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run GenMS?
None. GenMS 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 GenMS open source?
No. GenMS has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does GenMS have?
No parameter count has been published for GenMS, which is why no memory or speed figure appears on this page.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.