eFold
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
- Harvard Medical School,Stanford University,Columbia University,University of Strasbourg
- Type d'organisation
- Academia,Academia,Academia,Academia
- Pays
- United States of America, France
- Publié
- 4 April 2024
- Auteurs
- Silvi Rouskin, Alberic de Lajart, Yves Martin des Taillades, Colin Kalicki, Federico Fuchs Wightman, Justin Aruda, Dragui Salazar, Matthew Allan, Casper L'Esperance-Kerckhoff, Alex Kashi, Fabrice Jossinet
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein or nucleotide language model (pLM/nLM)
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
pretraining: "over 120,000 unique sequences and structures” (bpRNA + Ribonanza); "The final dataset contains 227,000 sequences up to 512 in length." (synthetic from RNAcentral + RNAstructure Fold) finetuning: "1,456 mRNA and 1,098 pri-miRNA structures" after filtering (RNAndria)
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
- Confident
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Diverse Database and Machine Learning Model to Narrow the Generalization Gap in RNA Structure Prediction
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Ce que ce modèle est
eFold was published by Harvard Medical School,Stanford University,Columbia University,University of Strasbourg, in United States of America, in April 2024. academia,Academia,Academia,Academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM).
Ses poids n'ont jamais été publiés, donc on ne peut y accéder que par son fournisseur. Aucun changement de carte graphique ne change cela.
Réponses
eFold — Questions fréquentes
What GPU do I need to run eFold?
None. eFold 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 eFold open source?
The licensing for eFold was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does eFold have?
No parameter count has been published for eFold, which is why no memory or speed figure appears on this page.
Who created eFold?
eFold was published by Harvard Medical School,Stanford University,Columbia University,University of Strasbourg, based in United States of America, categorised as academia,Academia,Academia,Academia.
When was eFold released?
eFold was published in April 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 eFold used for?
eFold works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM). These are the areas it was designed around; they describe intent rather than a hard boundary.
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.