ProCALM (Uniref9B)
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
- Profluent Bio,California Institute of Technology
- Type d'organisation
- Industry,Academia
- Pays
- United States of America
- Publié
- 9 October 2024
- Auteurs
- Jason Yang, Aadyot Bhatnagar, Jeffrey A. Ruffolo, Ali Madani
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Biology
- Tâche
- Proteins, Protein generation
- Modèle de base
- ProGen2-base
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
- 764M
- Données d'entraînement
- tokens
"We trained two different ProCALM models – one on 9 billion tokens of enzyme sequences from Uniref, and one on 1.5 billion tokens of enzyme sequences from Swissprot Train"
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.
- Comment cela a été établi
- Hardware
- Ajustement fin des calculs
- 8.1 × 10¹⁹ FLOP
"Impressively, our Uniref9B and Swissprot-1.5B models only required 240 and 40 A100-hours to train, respectively" 240/4=60h across 4 A100 Finetuning compute: 240*60*60*312000000000000*0.3=8.08704e+19
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
- NVIDIA A100
- Chips utilisés
- 4
- Temps en temps réel
- 60 hours
- Consommation d'énergie
- 3.2 kW
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
- 9
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Conditional Enzyme Generation Using Protein Language Models with Adapters
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Ce que ce modèle est
ProCALM (Uniref9B) a été publié par Profluent Bio,California Institute of Technology, dans le pays enregistré comme United States of America, durant October 2024. L'organisation de publication est catégorisée comme industry,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de proteins, Protein generation.
Son point de départ était un modèle de base existant, ProGen2-base. La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.
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.
Réponses
ProCALM (Uniref9B) — questions courantes
ProCALM (Uniref9B)— qui l'a créé ?
Il a été publié par Profluent Bio,California Institute of Technology, basé sur United States of America, une organisation catégorisée comme industry,Academia.
ProCALM (Uniref9B)— quand a-t-il été publié ?
Il a été publié dans October 2024. 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.
ProCALM (Uniref9B)— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de proteins, Protein generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
ProCALM (Uniref9B)— 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.
ProCALM (Uniref9B)— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
ProCALM (Uniref9B)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 764M. 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.
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.