GNoME for crystal discovery
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare 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
- 29 November 2023
- Auteurs
- Amil Merchant, Simon Batzner, Samuel S. Schoenholz, Muratahan Aykol, Gowoon Cheon, Ekin Dogus Cubuk
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir 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 décide s'il convient à une carte graphique donnée.
- paramètres
- 16.2M
- Données d'entraînement
- 69,000 tokens
- Époques
- 1,000
"The pretrained potential has 16.24 million parameters." This refers to the GNoME network, which is a "Gaussian Network Model of Energy" for predicting crystal potential energy of new crystals.
"Initial models are trained on a snapshot of the Materials Project from 2018 of approximately 69,000 materials"
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- Google TPU v4
- Chips utilisés
- 4
- Consommation d'énergie
- 2.7 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la 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 ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Historical significance
- Confiance d'enregistrement
- Likely
Economic impacts from development of commercially and socially valuable protein designs and materials
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Scaling deep learning for materials discovery
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
GNoME for crystal discovery a été publié par Google DeepMind, dans le pays enregistré comme United States of America, durant November 2023. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Materials science, et est enregistré comme exécutant la tâche de crystal discovery.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
Il a été entraîné sur un corpus d'environ 69,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. historical significance.
Réponses
GNoME for crystal discovery — questions courantes
GNoME for crystal discovery— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
GNoME for crystal discovery— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 16.2M. "The pretrained potential has 16.24 million parameters." This refers to the GNoME network, which is a "Gaussian Network Model of Energy" for predicting crystal potential energy of new crystals. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
GNoME for crystal discovery— qui l'a créé ?
Il a été publié par Google DeepMind, basé sur United States of America, une organisation catégorisée comme industry.
GNoME for crystal discovery— quand a-t-il été publié ?
Il a été publié dans November 2023. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
GNoME for crystal discovery— à quoi ça sert ?
Il fonctionne dans le domaine de Materials science, et est enregistré comme gérant la tâche de crystal discovery. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
GNoME for crystal discovery— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.