EquiDock
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
- Massachusetts Institute of Technology (MIT),ETH Zurich,Tencent
- Tipo di organizzazione
- Academia,Academia,Industry
- Paese
- United States of America, Switzerland, China
- Pubblicato
- 15 November 2021
- Autori
- Octavian-Eugen Ganea, Xinyuan Huang, Charlotte Bunne, Yatao Bian, Regina Barzilay, Tommi Jaakkola, Andreas Krause
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Proteins
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
- 39,938 tokens
- Epoche
- 30
DIPS Dataset: 39,937 protein pairs Total data points = 39,937 = 3.9937e4
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 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
Training details here: https://docs.nvidia.com/bionemo-framework/latest/models/equidock.html 32 A100s can do 30 epochs per hour on the DIPS dataset. Equidock was trained on 30 epochs on DIPS and 150 epochs on DB5.5. DIPS is about 100x bigger, so the large majority of compute was DIPS. 32 A100-hours = 312 teraflops * 32 * 3600 * 0.3 ~= 1.08e19
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)
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 171
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Independent SE(3)-Equivariant Models for End-to-End Rigid Protein Docking
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
EquiDock è stato pubblicato da Massachusetts Institute of Technology (MIT),ETH Zurich,Tencent, nel paese registrato come United States of America, durante November 2021. L'organizzazione di pubblicazione è classificata come academia,Academia,Industry.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di proteins.
I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 1.1 × 10¹⁹ 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 39,938 token di testo
Risposte
EquiDock — domande comuni
EquiDock— chi l'ha creato?
È stato pubblicato da Massachusetts Institute of Technology (MIT),ETH Zurich,Tencent, basato su United States of America, un'organizzazione categorizzata come academia,Academia,Industry.
EquiDock— quando è stato rilasciato?
È stato pubblicato in November 2021. 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.
EquiDock— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di proteins. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
EquiDock— 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.
EquiDock— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.1 × 10¹⁹ 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.
EquiDock— 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.
EquiDock— 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.
EquiDock— 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.
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.