ProtSSN
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Shanghai Jiao Tong University,East China University of Science and Technology,Shanghai AI Lab
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- China
- Pubblicato
- 6 September 2024
- Autori
- Yang Tan, Bingxin Zhou, Lirong Zheng, Guisheng Fan, Liang Hong
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein design
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 1.5B
- Dati di addestramento
- tokens
30,948 proteins * 300 amino acids/protein = 9,284,400 tokens ≈ 1.2e7 tokens 30,948 * 300 = 9,284,400
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100
- Chip utilizzati
- 1
- Consumo energetico
- 433 W
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 7
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Semantical and Geometrical Protein Encoding Toward Enhanced Bioactivity and Thermostability
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
ProtSSN è stato pubblicato da Shanghai Jiao Tong University,East China University of Science and Technology,Shanghai AI Lab, nel paese registrato come China, durante September 2024. Esce da un'organizzazione categorizzata come academia,Academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein design.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
ProtSSN — domande comuni
ProtSSN— chi l'ha creato?
È stato pubblicato da Shanghai Jiao Tong University,East China University of Science and Technology,Shanghai AI Lab, basato su China, un'organizzazione categorizzata come academia,Academia,Academia.
ProtSSN— quando è stato rilasciato?
È stato pubblicato in September 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
ProtSSN— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein design. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
ProtSSN— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
ProtSSN— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
ProtSSN— quanti parametri ha?
Ha un numero di parametri di 1.5B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.