AutoDiff
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
- Galixir Technologies,Rensselaer Polytechnic Institute,Massachusetts Institute of Technology (MIT)
- Type d'organisation
- Industry,Academia,Academia
- Pays
- China, United States of America
- Publié
- 2 April 2024
- Auteurs
- Xinze Li, Penglei Wang, Tianfan Fu, Wenhao Gao, Chengtao Li, Leilei Shi, Junhong Liu
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
- Drug 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
22.5M poses = 22.5M datapoints = 22,500,000 datapoints Final estimate = 22.5M
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
- Confident
- Citations
- 5
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- AUTODIFF: Autoregressive Diffusion Modeling for Structure-based Drug Design
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
À propos de ce modèle
AutoDiff was published by Galixir Technologies,Rensselaer Polytechnic Institute,Massachusetts Institute of Technology (MIT), in China, in April 2024. It comes out of industry,Academia,Academia.
Il travaille en Biologie et est enregistré comme faisant de la découverte de médicaments.
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
AutoDiff — Questions fréquentes
Is AutoDiff open source?
No. AutoDiff has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AutoDiff have?
No parameter count has been published for AutoDiff, which is why no memory or speed figure appears on this page.
Who created AutoDiff?
AutoDiff was published by Galixir Technologies,Rensselaer Polytechnic Institute,Massachusetts Institute of Technology (MIT), based in China, categorised as industry,Academia,Academia.
When was AutoDiff released?
AutoDiff 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 AutoDiff used for?
AutoDiff works in Biology, and is recorded as handling drug 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 AutoDiff?
None. AutoDiff 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.
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.