DeepRelax

Zárt súlyok National University of Singapore,Sun Yat-sen University,Peking University,China Medical University Hospital,Asia university,Guangdong L-Med Biotechnology Company September 2024

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
National University of Singapore,Sun Yat-sen University,Peking University,China Medical University Hospital,Asia university,Guangdong L-Med Biotechnology Company
Szervezet típusa
Academia,Academia,Academia,Academia,Industry
Ország
Singapore, China, Taiwan
Közölt
17 September 2024
Szerzők
Ziduo Yang, Yi-Ming Zhao, Xian Wang, Xiaoqing Liu, Xiuying Zhang, Yifan Li, Qiujie Lv, Calvin Yu-Chian Chen & Lei Shen

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány
Biology
Feladat
Protein folding prediction

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
tokens

"By excluding compounds missing either initial or DFT-relaxed structures, we refined the dataset to 62,724 pairs. " Multiple properties for each structure are predicted in a regression approach.

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
Scalable crystal structure relaxation using an iteration-free deep generative model with uncertainty quantification
Utoljára frissítve
28 November 2025

Mit jelentenek a számok

Háttér

DeepRelax ki lett adva által National University of Singapore,Sun Yat-sen University,Peking University,China Medical University Hospital,Asia university,Guangdong L-Med Biotechnology Company, az országban rögzítve mint Singapore, alatt September 2024. A kiadó szervezet a következő kategóriába tartozik academia,Academia,Academia,Academia,Industry.

Működik a területen a Biology, és úgy van rögzítve, mint a feladat végrehajtása protein folding prediction.

Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.

Válaszok

DeepRelax — gyakori kérdések

01

DeepRelax— 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.

02

DeepRelax— Nyílt forráskódú?

A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.

03

DeepRelax— Hány paramétere van?

Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.

04

DeepRelax— Ki készítette ezt?

Kiadta National University of Singapore,Sun Yat-sen University,Peking University,China Medical University Hospital,Asia university,Guangdong L-Med Biotechnology Company, alapján Singapore, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia,Academia,Industry.

05

DeepRelax— 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.

06

DeepRelax— Mire használják?

Működik a területen a Biology, és rögzítve van, hogy kezeli a feladatot protein folding prediction. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

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..