MIF-ST
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,OpenBioML,University of Chicago
- Tipo di organizzazione
- Industry,Research collective,Academia
- Paese
- United States of America, Multinational
- Pubblicato
- 26 October 2022
- Autori
- Kevin K Yang, Niccolò Zanichelli, Hugh Yeh
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Proteins, Protein generation
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.
- Dati di addestramento
- tokens
42M × 300 = 42,000,000 × 300 = 12,600,000,000 = 1.26e10 datapoints
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
- 2.5 × 10²² FLOP
- Come è stato stabilito
- Hardware
1. Hardware setup: 200x NVIDIA V100 GPUs with 1.30×10^14 FLOP/s per GPU 2. Training duration: Estimated 4 weeks based on "multiple weeks" phrase (4 weeks × 7 days × 24 hours × 3600 seconds = 2,419,200 seconds) 3. Utilization rate: 40% 4. Calculation: 1.30×10^14 FLOP/s × 200 GPUs × 2.4192×10^6 seconds × 0.4 = 2.5×10^22 FLOP
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 113
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Masked inverse folding with sequence transfer for protein representation learning
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Informazioni su questo modello
MIF-ST è stato pubblicato da Microsoft Research,OpenBioML,University of Chicago, nel paese registrato come United States of America, durante October 2022. La categoria sotto cui rientra l'editore è industry,Research collective,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di proteins, Protein generation.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Addestramento e provenienza
Il run di addestramento ha consumato circa 2.5 × 10²² FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
MIF-ST — domande comuni
MIF-ST— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di proteins, Protein generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
MIF-ST— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.5 × 10²² 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.
MIF-ST— 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.
MIF-ST— 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.
MIF-ST— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
MIF-ST— chi l'ha creato?
È stato pubblicato da Microsoft Research,OpenBioML,University of Chicago, basato su United States of America, un'organizzazione categorizzata come industry,Research collective,Academia.
MIF-ST— quando è stato rilasciato?
È stato pubblicato in October 2022. 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.
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.