MatterSim (Grpaphomer)
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
- Microsoft Research AI for Science
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 10 May 2024
- Autori
- Han Yang, Chenxi Hu, Yichi Zhou, Xixian Liu, Yu Shi, Jielan Li, Guanzhi Li, Zekun Chen, Shuizhou Chen, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Jake Smith, Lixin Sun, Qian Wang, Lingyu Kong, Chang Liu, Hongxia Hao, Ziheng Lu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Materials science
- Compito
- Atomistic simulations, Molecular simulation
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
- 182M
- Dati di addestramento
- tokens
"The total parameters of Graphormer is 182M."
"The model is trained for a total of 1,562,500 steps" "The batch size for training is set to 256" "the maximum number of expanded atoms is capped at 256"
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.1 × 10²⁰ FLOP
- Come è stato stabilito
- Operation counting
Speculative confidence because I am unsure how to calculate gradient updates/tokens 6*1,562,500*256*256*182000000=1.118208e+20
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
- 64
- Consumo energetico
- 50.6 kW
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- MatterSim: A Deep Learning Atomistic Model Across Elements, Temperatures and Pressures
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
MatterSim (Grpaphomer) è stato pubblicato da Microsoft Research AI for Science, nel paese registrato come United States of America, durante May 2024. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Materials science, ed è registrato come eseguire il compito di atomistic simulations, Molecular simulation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il training ha richiesto un budget di calcolo di circa 1.1 × 10²⁰ FLOP, su hardware registrato come NVIDIA A100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
MatterSim (Grpaphomer) — domande comuni
MatterSim (Grpaphomer)— chi l'ha creato?
È stato pubblicato da Microsoft Research AI for Science, basato su United States of America, un'organizzazione categorizzata come industry.
MatterSim (Grpaphomer)— quando è stato rilasciato?
È stato pubblicato in May 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.
MatterSim (Grpaphomer)— A cosa serve?
Funziona nel dominio di Materials science, e viene registrato come gestire il compito di atomistic simulations, Molecular simulation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
MatterSim (Grpaphomer)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.1 × 10²⁰ FLOP, su hardware registrato come NVIDIA A100. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
MatterSim (Grpaphomer)— 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.
MatterSim (Grpaphomer)— 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.
MatterSim (Grpaphomer)— quanti parametri ha?
Ha un numero di parametri di 182M. "The total parameters of Graphormer is 182M.". 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.