Innovative Drug-like Molecule Generation from
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 Pittsburgh,Carnegie Mellon University (CMU)
- Szervezet típusa
- Academia,Academia
- Ország
- United States of America
- Közölt
- 12 November 2022
- Szerzők
- Haotian Zhang, Linxiaoyi Wan
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Drug discovery
- Alapmodell
- GraphBP
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 2,000,000 tokens
Total data points = 50,000 binding structures Previous estimate: 20 atoms/ligand = 1,000,000 data points [Final estimate: 1.0e6]
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Unknown
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Innovative Drug-like Molecule Generation from Flow-based Generative Model
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
Innovative Drug-like Molecule Generation from ki lett adva által University of Pittsburgh,Carnegie Mellon University (CMU), az országban rögzítve mint United States of America, alatt November 2022. A kiadó szervezet a következő kategóriába tartozik academia,Academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása drug discovery.
A kiindulópontja egy meglévő alapmodell volt, GraphBP. Ez a szokásos módja egy specializált modell előállításának.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Hogyan lett betanítva
A képzés körülbelül egy korpuszt fogyasztott 2,000,000 szöveg tokenjei
Válaszok
Innovative Drug-like Molecule Generation from — gyakori kérdések
Innovative Drug-like Molecule Generation from— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Innovative Drug-like Molecule Generation from— Ki készítette ezt?
Kiadta University of Pittsburgh,Carnegie Mellon University (CMU), alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Innovative Drug-like Molecule Generation from— Mikor adták ki?
Kibocsátották a November 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Innovative Drug-like Molecule Generation from— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot drug discovery. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
Innovative Drug-like Molecule Generation from— 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.
Innovative Drug-like Molecule Generation from— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
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..