Improved motif-scaffolding with SE(3) flow matching
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- University of Oxford,Massachusetts Institute of Technology (MIT),Microsoft Research AI for Science
- Szervezet típusa
- Academia,Academia,Industry
- Ország
- United Kingdom of Great Britain and Northern Ireland, United States of America
- Közölt
- 8 January 2024
- Szerzők
- Jason Yim, Andrew Campbell, Emile Mathieu, Andrew Y. K. Foong, Michael Gastegger, José Jiménez-Luna, Sarah Lewis, Victor Garcia Satorras, Bastiaan S. Veeling, Frank Noé, Regina Barzilay, Tommi S. Jaakkola
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein design
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 16.8M
- Képzési adatok
- tokens
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 1.6 × 10¹⁹ FLOP
- Hogyan jött létre
- Hardware
1. Hardware: 2x NVIDIA RTX A6000 (3.87e13 FLOP/s per GPU) 2. Training duration: 6 days = 518,400 seconds (directly provided) 3. Utilization: 40% 4. Calculation: 2 GPUs × 3.87e13 FLOP/s × 518,400s × 0.40 = 1.6e19 FLOPs
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA RTX A6000
- Használt chipek
- 2
- Fali óra idő
- 144 hours
- Teljesítményfogyasztás
- 1.2 kW
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Improved motif-scaffolding with SE(3) flow matching
- Utoljára frissítve
- 11 February 2026
Mit jelentenek a számok
Honnan jött
Improved motif-scaffolding with SE(3) flow matching ki lett adva által University of Oxford,Massachusetts Institute of Technology (MIT),Microsoft Research AI for Science, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt January 2024. A kiadó kategóriája alá tartozik academia,Academia,Industry.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein design.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Képzés és származás
A betanításhoz körülbelül egy számítási költségvetés kellett 1.6 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA RTX A6000. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
Improved motif-scaffolding with SE(3) flow matching — gyakori kérdések
Improved motif-scaffolding with SE(3) flow matching— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein design. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Improved motif-scaffolding with SE(3) flow matching— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.6 × 10¹⁹ FLOP, hardveren rögzítve NVIDIA RTX A6000. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
Improved motif-scaffolding with SE(3) flow matching— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
Improved motif-scaffolding with SE(3) flow matching— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Improved motif-scaffolding with SE(3) flow matching— Hány paramétere van?
Paraméterszáma 16.8M. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
Improved motif-scaffolding with SE(3) flow matching— Ki készítette ezt?
Kiadta University of Oxford,Massachusetts Institute of Technology (MIT),Microsoft Research AI for Science, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint academia,Academia,Industry.
Improved motif-scaffolding with SE(3) flow matching— Mikor adták ki?
Kibocsátották a January 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..