GNoME for crystal discovery
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
- Google DeepMind
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 29 November 2023
- Autori
- Amil Merchant, Simon Batzner, Samuel S. Schoenholz, Muratahan Aykol, Gowoon Cheon, Ekin Dogus Cubuk
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Materials science
- Compito
- Crystal discovery
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
- 16.2M
- Dati di addestramento
- 69,000 tokens
- Epoche
- 1,000
"The pretrained potential has 16.24 million parameters." This refers to the GNoME network, which is a "Gaussian Network Model of Energy" for predicting crystal potential energy of new crystals.
"Initial models are trained on a snapshot of the Materials Project from 2018 of approximately 69,000 materials"
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
- Google TPU v4
- Chip utilizzati
- 4
- Consumo energetico
- 2.7 kW
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Historical significance
- Record fiducia
- Likely
Economic impacts from development of commercially and socially valuable protein designs and materials
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Scaling deep learning for materials discovery
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
GNoME for crystal discovery è stato pubblicato da Google DeepMind, nel paese registrato come United States of America, durante November 2023. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Materials science, ed è registrato come eseguire il compito di crystal discovery.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
È stato addestrato su un corpus di circa 69,000 token di testo
Il motivo per cui appare in questo catalogo è: historical significance.
Risposte
GNoME for crystal discovery — domande comuni
GNoME for crystal discovery— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GNoME for crystal discovery— quanti parametri ha?
Ha un numero di parametri di 16.2M. "The pretrained potential has 16.24 million parameters." This refers to the GNoME network, which is a "Gaussian Network Model of Energy" for predicting crystal potential energy of new crystals. 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.
GNoME for crystal discovery— chi l'ha creato?
È stato pubblicato da Google DeepMind, basato su United States of America, un'organizzazione categorizzata come industry.
GNoME for crystal discovery— quando è stato rilasciato?
È stato pubblicato in November 2023. 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.
GNoME for crystal discovery— A cosa serve?
Funziona nel dominio di Materials science, e viene registrato come gestire il compito di crystal discovery. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
GNoME for crystal discovery— 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.
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.