LM-Design
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
- ByteDance,University of Wisconsin Madison
- Tipo di organizzazione
- Industry,Academia
- Paese
- China, United States of America
- Pubblicato
- 23 July 2023
- Autori
- Zaixiang Zheng, Yifan Deng, Dongyu Xue, Yi Zhou, Fei Ye, Quanquan Gu
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
- 6.9M
- Dati di addestramento
- 811,080 tokens
"That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters."
Total tokens = Number of Sequences × Average Sequence Length Total tokens = 50,000,000 × 300 = 1.5 × 10^10 tokens Final estimate: 1.5e10 tokens
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
- 1.4 × 10²⁰ FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 8x NVIDIA V100 GPUs (1.25 x 10^14 FLOP/s per GPU) 2. Training duration: 4 days (345,600 seconds) - estimated based on 10 epochs over 50M sequences with 6000 residues per batch 3. Utilization rate: 40% 4. Final calculation: (1.25 x 10^14 FLOP/s/GPU × 8 GPUs) × 345,600 seconds × 0.4 = 1.4 x 10^20 FLOPs
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.
- Record fiducia
- Confident
- Citazioni
- 46
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Structure-informed Language Models Are Protein Designers
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
LM-Design è stato pubblicato da ByteDance,University of Wisconsin Madison, nel paese registrato come China, durante July 2023. L'organizzazione di pubblicazione è classificata come industry,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.
Come è stato addestrato
Il run di addestramento ha consumato circa 1.4 × 10²⁰ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 811,080 token di testo
Risposte
LM-Design — domande comuni
LM-Design— 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.
LM-Design— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
LM-Design— quanti parametri ha?
Ha un numero di parametri di 6.9M. "That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters.". 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.
LM-Design— chi l'ha creato?
È stato pubblicato da ByteDance,University of Wisconsin Madison, basato su China, un'organizzazione categorizzata come industry,Academia.
LM-Design— quando è stato rilasciato?
È stato pubblicato in July 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.
LM-Design— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein design. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
LM-Design— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.4 × 10²⁰ FLOP. 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.
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.