KnoMol

Pesi chiusi Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine September 2024

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
Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine
Tipo di organizzazione
Academia,Academia
Paese
China
Pubblicato
25 September 2024
Autori
Jian Gao, Zheyuan Shen, Yan Lu, Liteng Shen, Binbin Zhou, Donghang Xu, Haibin Dai, Lei Xu, Jinxin Che, Xiaowu Dong

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Biology
Compito
Molecular property prediction

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
401,646 tokens

Largest experiment: QM9 with 133,882 examples. Regression task with 1 prediction target.

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
KnoMol: A Knowledge-Enhanced Graph Transformer for Molecular Property Prediction
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Cosa è questo modello

KnoMol è stato pubblicato da Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine, nel paese registrato come China, durante September 2024. La categoria sotto cui rientra l'editore è academia,Academia.

Funziona nel dominio di Biology, ed è registrato come eseguire il compito di molecular property prediction.

Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.

Cosa è stato necessario per costruirlo

È stato addestrato su un corpus di circa 401,646 token di testo

Risposte

KnoMol — domande comuni

01

KnoMol— A cosa serve?

Funziona nel dominio di Biology, e viene registrato come gestire il compito di molecular property prediction. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

02

KnoMol— 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.

03

KnoMol— 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.

04

KnoMol— 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.

05

KnoMol— chi l'ha creato?

È stato pubblicato da Zhejiang University (ZJU),Jiangsu University of Technology,Zhejiang University School of Medicine, basato su China, un'organizzazione categorizzata come academia,Academia.

06

KnoMol— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.