Importance of higher-order epistasis in large protein sequence-function relationships
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 Florida
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 24 September 2024
- Auteurs
- Palash Sethi a, Juannan Zhou
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 function prediction
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
- 165,428 tokens
Initial calculations by dataset: 1. GRB-1: 129,320 * 0.8 * 33 = 3,414,048 2. GRB-3-abundance: 31,936 * 0.8 * 15 = 383,235 3. GRB-3-binding: 25,967 * 0.8 * 15 = 311,610 4. AAV2-Capsid: 42,328 * 0.8 * 28 = 948,136 5. CreiLOV: 165,428 * 0.8 * 15 = 1,985,130 6. cgreGFP: 26,165 * 0.8 * 234 = 4,898,088 7. ppluGFP: 32,260 * 0.8 * 221 = 5,703,568 8. His3-S2: 116,935 * 0.8 * 28 = 2,619,344 9. His3-S5: 92,408 * 0.8 * 31 = 2,291,706 10. His3-S12: 62,305 * 0.8 * 19 = 947,036 Final sum: 3,414,048 + 383,235 …
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
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Importance of higher-order epistasis in large protein sequence-function relationships
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
Importance of higher-order epistasis in large protein sequence-function relationships a été publié par University of Florida, dans le pays enregistré comme United States of America, durant September 2024. L'organisation de publication est catégorisée comme academia.
Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein function prediction.
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.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé un corpus d'environ 165,428 jetons de texte
Réponses
Importance of higher-order epistasis in large protein sequence-function relationships — questions courantes
Importance of higher-order epistasis in large protein sequence-function relationships— à quoi ça sert ?
Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein function prediction. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— qui l'a créé ?
Il a été publié par University of Florida, basé sur United States of America, une organisation catégorisée comme academia.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.