CoPRA
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications
- Organisatietype
- Academia,Academia,Academia,Academia
- Land
- China, United Kingdom of Great Britain and Northern Ireland, Australia
- Gepubliceerd
- 21 August 2024
- Auteurs
- Rong Han, Xiaohong Liu, Tong Pan, Jing Xu, Xiaoyu Wang, Wuyang Lan, Zhenyu Li, Zixuan Wang, Jiangning Song, Guangyu Wang, Ting Chen
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein-RNA binding affinity prediction
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- 1,966,080,310 tokens
Summary: 1. Chain pairs: 30,000 2. Poses per pair: 3 Total datapoints: 30,000 × 3 = 90,000 3. Tokens per datapoint: - Protein residues: 200 - RNA bases: 100 Total tokens per datapoint: 200 + 100 = 300 4. Final calculation: 90,000 datapoints × 300 tokens/datapoint = 27,000,000 tokens
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 4
- Stroomverbruik
- 3.2 kW
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Likely
- Citaties
- 7
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- CoPRA: Bridging Cross-domain Pretrained Sequence Models with Complex Structures for Protein-RNA Binding Affinity Prediction
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Waar het vandaan kwam
CoPRA werd gepubliceerd door Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, in het land geregistreerd als China, tijdens August 2024. De publicerende organisatie is geclassificeerd als academia,Academia,Academia,Academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein-RNA binding affinity prediction.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Wat erin ging zitten om het te bouwen
Training verbruikte een corpus van ongeveer 1,966,080,310 tekstokens
Antwoorden
CoPRA — veelgestelde vragen
CoPRA— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
CoPRA— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
CoPRA— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
CoPRA— wie heeft het gemaakt?
Het werd gepubliceerd door Tsinghua University,University College London (UCL),Monash University,Beijing University of Posts and Telecommunications, gebaseerd op China, een organisatie geclassificeerd als academia,Academia,Academia,Academia.
CoPRA— wanneer is het uitgebracht?
Het werd gepubliceerd in August 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
CoPRA— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein-RNA binding affinity prediction. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.