LM-Design
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
- ByteDance,University of Wisconsin Madison
- Type d'organisation
- Industry,Academia
- Pays
- China, United States of America
- Publié
- 23 July 2023
- Auteurs
- Zaixiang Zheng, Yifan Deng, Dongyu Xue, Yi Zhou, Fei Ye, Quanquan Gu
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Protein design
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
- 6.9M
- Données d'entraînement
- 811,080 tokens
"That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters."
Total tokens = Number of Sequences × Average Sequence Length Total tokens = 50,000,000 × 300 = 1.5 × 10^10 tokens Final estimate: 1.5e10 tokens
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 1.4 × 10²⁰ FLOP
- Comment cela a été établi
- Hardware
1. Hardware setup: 8x NVIDIA V100 GPUs (1.25 x 10^14 FLOP/s per GPU) 2. Training duration: 4 days (345,600 seconds) - estimated based on 10 epochs over 50M sequences with 6000 residues per batch 3. Utilization rate: 40% 4. Final calculation: (1.25 x 10^14 FLOP/s/GPU × 8 GPUs) × 345,600 seconds × 0.4 = 1.4 x 10^20 FLOPs
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.
- Confiance d'enregistrement
- Confident
- Citations
- 46
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Structure-informed Language Models Are Protein Designers
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
LM-Design a été publié par ByteDance,University of Wisconsin Madison, dans le pays enregistré comme China, durant July 2023. L'organisation de publication est catégorisée comme industry,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein design.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Comment il a été entraîné
L'entraînement a consommé environ 1.4 × 10²⁰ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 811,080 jetons de texte
Réponses
LM-Design — questions courantes
LM-Design— 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.
LM-Design— 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.
LM-Design— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 6.9M. "That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters.". 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.
LM-Design— qui l'a créé ?
Il a été publié par ByteDance,University of Wisconsin Madison, basé sur China, une organisation catégorisée comme industry,Academia.
LM-Design— quand a-t-il été publié ?
Il a été publié dans July 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.
LM-Design— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein design. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
LM-Design— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.4 × 10²⁰ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
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.