M3GNet
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
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
- University of California San Diego
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 11 August 2022
- Autori
- Chi Chen, Shyue Ping Ong
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.
- Dati di addestramento
- tokens
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
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Open source
https://github.com/materialsvirtuallab/m3gnet BSD 3-Clause
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Unknown
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A Universal Graph Deep Learning Interatomic Potential for the Periodic Table
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
M3GNet è stato pubblicato da University of California San Diego, nel paese registrato come United States of America, durante August 2022. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Materials science, ed è registrato come eseguire il compito di atomistic simulations, Molecular simulation.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Risposte
M3GNet — domande comuni
M3GNet— A cosa serve?
Funziona nel dominio di Materials science, e viene registrato come gestire il compito di atomistic simulations, Molecular simulation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
M3GNet— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
M3GNet— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
M3GNet— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
M3GNet— 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.
M3GNet— chi l'ha creato?
È stato pubblicato da University of California San Diego, basato su United States of America, un'organizzazione categorizzata come academia.
M3GNet— quando è stato rilasciato?
È stato pubblicato in August 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.