DARK
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
- University College London (UCL)
- Type d'organisation
- Academia
- Pays
- United Kingdom of Great Britain and Northern Ireland
- Publié
- 28 January 2022
- Auteurs
- Lewis Moffat, Shaun M. Kandathil, David T. Jones
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 generation, Proteins
- Approach
- Unsupervised
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
- 50,000,000 tokens
500,000 sequences × 100 amino acids = 50,000,000 data points
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations à virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, et non de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 9.7 × 10¹⁸ FLOP
- Comment cela a été établi
- Hardware
"Rounding up to the nearest day, if we were to re-perform DARK from nothing to having a trained DARK3 it would take 12 days when parallelized across ten V100 GPUS. Of that time, model training constitutes just over 3 days and only requires 1 GPU" 3 * 24 * 3600 * 125 teraFLOP/s * 0.3 (utilization) = 9.7e18
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
- NVIDIA V100
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
- Speculative
- Citations
- 29
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Design in the DARK: Learning Deep Generative Models for De Novo Protein Design
- Dernière mise à jour
- 1 December 2025
Ce que signifient les chiffres
Background
DARK was published by University College London (UCL), in United Kingdom of Great Britain and Northern Ireland, in January 2022. The organisation is categorised as academia.
It works in Biology, and is recorded as doing protein generation, Proteins.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Comment il a été entraîné
Training it took roughly 9.7 × 10¹⁸ FLOP of computation, on NVIDIA V100 — a measure of what producing the model cost, not of how fast it answers.
Around 50,000,000 tokens went into training it.
Réponses
DARK — Questions fréquentes
How much compute was used to train DARK?
Around 9.7 × 10¹⁸ FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DARK?
None. DARK 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 DARK open source?
The licensing for DARK 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 DARK have?
No parameter count has been published for DARK, which is why no memory or speed figure appears on this page.
Who created DARK?
DARK was published by University College London (UCL), based in United Kingdom of Great Britain and Northern Ireland, categorised as academia.
When was DARK released?
DARK was published in January 2022. 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 DARK used for?
DARK works in Biology, and is recorded as handling protein generation, Proteins. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
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.