FlexSBDD
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 Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Princeton University
- Tipo di organizzazione
- Academia,Academia
- Paese
- China, United States of America
- Pubblicato
- 29 September 2024
- Autori
- Zaixi Zhang, Mengdi Wang, Qi Liu
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.
- Dati di addestramento
- 3,675,000,000 tokens
Original pairs: 40,000 + 100,000 = 140,000 Estimated length ~300 tokens: 140000*300=42000000
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
- 1.6 × 10¹⁹ FLOP
- Come è stato stabilito
- Hardware
1. Hardware: 1x NVIDIA A100 PCIe GPU (3.12e14 FP16 Tensor FLOP/s) 2. Training duration: 36 hours (directly provided) = 129,600 seconds 3. Utilization: 40% (assumed) 4. Calculation: 3.12e14 FLOP/s × 1 GPU × 129,600s × 0.4 = 1.6e19 FLOPs
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 A100
- Chip utilizzati
- 1
- Tempo di parete
- 36 hours
- Consumo energetico
- 433 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
- FlexSBDD: Structure-Based Drug Design with Flexible Protein Modeling
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
FlexSBDD è stato pubblicato da University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Princeton University, nel paese registrato come China, durante September 2024. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di drug discovery.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.6 × 10¹⁹ FLOP, su hardware registrato come NVIDIA A100. 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 3,675,000,000 token di testo
Risposte
FlexSBDD — domande comuni
FlexSBDD— 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.
FlexSBDD— 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.
FlexSBDD— 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.
FlexSBDD— chi l'ha creato?
È stato pubblicato da University of Science and Technology of China (USTC),State Key Laboratory of Cognitive Intelligence,Princeton University, basato su China, un'organizzazione categorizzata come academia,Academia.
FlexSBDD— quando è stato rilasciato?
È stato pubblicato in September 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.
FlexSBDD— 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.
FlexSBDD— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.6 × 10¹⁹ FLOP, su hardware registrato come NVIDIA A100. 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.