PocketFlow
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
- University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University
- Type d'organisation
- Academia,Academia
- Pays
- China, United States of America
- Publié
- 29 September 2024
- Auteurs
- Zaixi Zhang, Marinka Zitnik, Qi Liu
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, Drug 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.
- Données d'entraînement
- tokens
- Époques
- 20
CrossDocked: 100,000 complexes × (100 residues + 50 atoms) = 15,000,000 MOAD: 40,000 pairs × (100 residues + 50 atoms) = 6,000,000 Total: 15,000,000 + 6,000,000 = 21,000,000 datapoints = 2.1 × 10⁷
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
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
- 1
- Consommation d'énergie
- 433 W
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
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Generalized Protein Pocket Generation with Prior-Informed Flow Matching
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
PocketFlow a été publié par University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University, dans le pays enregistré comme China, durant September 2024. L'organisation de publication est catégorisée comme academia,Academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein design, Drug discovery.
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.
Réponses
PocketFlow — questions courantes
PocketFlow— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein design, Drug discovery. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
PocketFlow— 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.
PocketFlow— 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.
PocketFlow— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
PocketFlow— qui l'a créé ?
Il a été publié par University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Harvard University, basé sur China, une organisation catégorisée comme academia,Academia.
PocketFlow— quand a-t-il été publié ?
Il a été publié dans September 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.
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.