DFMDock
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle sont ouverts, mais aucun nombre de paramètres n'a été publié à son sujet. Chaque chiffre de mémoire et de vitesse part de ce nombre, nous préférerions donc ne rien afficher plutôt qu'une estimation fabriquée.
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
- Johns Hopkins University
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 28 September 2024
- Auteurs
- Lee-Shin Chu, Sudeep Sarma, Jeffrey J Gray
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-ligand binding affinity prediction
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
- tokens
"We trained our model on DIPS-hetero, a subset of DIPS [43 , 44] with approximately 11k heterodimers."
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (unrestricted)
- Code d'entraînement
- Unreleased
The inference code, model weights, and test set are available at https://github.com/Graylab/DFMDock MIT license
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
- Unknown
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Unified Sampling and Ranking for Protein Docking with DFMDock
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
À propos de ce modèle
DFMDock was published by Johns Hopkins University, in United States of America, in September 2024. academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein-ligand binding affinity prediction.
The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached.
Réponses
DFMDock — Questions fréquentes
When was DFMDock released?
DFMDock was published in September 2024. 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 DFMDock used for?
DFMDock works in Biology, and is recorded as handling protein-ligand binding affinity prediction. These are the areas it was designed around; they describe intent rather than a hard boundary.
Where can I download DFMDock?
The weights for DFMDock are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
What GPU do I need to run DFMDock?
We cannot say. DFMDock has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is DFMDock open source?
Its weights are published, so DFMDock can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does DFMDock have?
No parameter count has been published for DFMDock, which is why no memory or speed figure appears on this page.
Who created DFMDock?
DFMDock was published by Johns Hopkins University, based in United States of America, categorised as academia.
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.