pKALM
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
- Hokkaido University
- Szervezet típusa
- Academia
- Ország
- Japan
- Közölt
- 19 September 2024
- Szerzők
- Shijie Xu, Akira Onoda
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Biology
- Feladat
- Protein property prediction
- Alapmodell
- ESM2-35M
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
- 5.1M
- Képzési adatok
- tokens
- Epochok
- 130
Loaded checkpoint and counted parameters.
Two datasets were used: "The revised data set now includes 1,450 pKa values for 165 wild-type proteins and 262 pKa values for 47 mutant proteins." "These data sets, derived from references containing experimen- tal pI values, comprise 119,092 peptide pI values and 2,324 protein pI values." Total assuming avg 300 tokens per example: (1450+165+262+47+119092+2324)*300=37002000
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.
- Hogyan jött létre
- Operation counting
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA GeForce RTX 3090 Ti
- Használt chipek
- 2
- Teljesítményfogyasztás
- 1.8 kW
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Speculative
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Accurate and Rapid Prediction of Protein pKa: Protein Language Models Reveal the Sequence-pKa Relationship
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Erről a modelről
pKALM ki lett adva által Hokkaido University, az országban rögzítve mint Japan, alatt September 2024. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.
Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein property prediction.
Ez alapoz. ESM2-35M. Ezért osztja a bázismodell általános formáját és méretét.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Válaszok
pKALM — gyakori kérdések
pKALM— Ki készítette ezt?
Kiadta Hokkaido University, alapján Japan, egy szervezet, amelyet kategorizáltak mint academia.
pKALM— Mikor adták ki?
Kibocsátották a September 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
pKALM— Mire használják?
Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein property prediction. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
pKALM— 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.
pKALM— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
pKALM— Hány paramétere van?
Paraméterszáma 5.1M. Loaded checkpoint and counted parameters. 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.
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..