DrugTar
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
- Isfahan University of Technology
- Tipo di organizzazione
- Academia
- Paese
- Iran (Islamic Republic of)
- Pubblicato
- 24 September 2024
- Autori
- Niloofar Borhani, Iman Izadi, View ORCID ProfileAli Motahharynia, Mahsa Sheikholeslami, Yousof Gheisari
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein property prediction, Drug discovery
- Modello di base
- ESM2-650M
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
- 650M
- Dati di addestramento
- 4,068 tokens
- Epoche
- 15
4068 (ProTar-II dataset)*300(estimated tokens per protein)=1220400
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- DrugTar Improves Druggability Prediction by Integrating Large Language Models and Gene Ontologies
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
DrugTar è stato pubblicato da Isfahan University of Technology, nel paese registrato come Iran (Islamic Republic of), durante September 2024. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein property prediction, Drug discovery.
Invece di essere addestrato da zero, è derivato da ESM2-650M. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
L'addestramento ha consumato un corpus di circa 4,068 token di testo
Risposte
DrugTar — domande comuni
DrugTar— quanti parametri ha?
Ha un numero di parametri di 650M. 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.
DrugTar— chi l'ha creato?
È stato pubblicato da Isfahan University of Technology, basato su Iran (Islamic Republic of), un'organizzazione categorizzata come academia.
DrugTar— 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.
DrugTar— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein property prediction, Drug discovery. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
DrugTar— 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.
DrugTar— 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.
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.