ConfRank
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
- University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing
- Tipo di organizzazione
- Academia,Academia
- Paese
- Germany
- Pubblicato
- 24 November 2024
- Autori
- Christian Hölzer, Rick Oerderm, Stefan Grimme, Jan Hamaekers,
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Drug 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
- 150K
- Dati di addestramento
- 1,396,310 tokens
7,349 molecular ensembles × 20 conformers = 146,980 conformers Pairs per ensemble = (20 × 19) ÷ 2 = 190 pairs Total pairs = 7,349 ensembles × 190 pairs = 1,396,310 datapoints
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
- NVIDIA GeForce RTX 3070
- Chip utilizzati
- 1
- Consumo energetico
- 238 W
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ConfRank: Improving GFN-FF Conformer Ranking with Pairwise Training
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
ConfRank è stato pubblicato da University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing, nel paese registrato come Germany, durante November 2024. Esce da un'organizzazione categorizzata come academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di drug 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.
Come è stato addestrato
È stato addestrato su un corpus di circa 1,396,310 token di testo
Risposte
ConfRank — domande comuni
ConfRank— chi l'ha creato?
È stato pubblicato da University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing, basato su Germany, un'organizzazione categorizzata come academia,Academia.
ConfRank— quando è stato rilasciato?
È stato pubblicato in November 2024. 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.
ConfRank— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di drug discovery. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
ConfRank— 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.
ConfRank— 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.
ConfRank— quanti parametri ha?
Ha un numero di parametri di 150K. 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.
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.