Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation
Geen schatting
Geen hardware-eisen voor dit model
Dit model's gewichten zijn open-source, maar er is geen parameter aantal gepubliceerd. Elk geheugen- en snelheidsfiguur begint vanaf dat nummer, dus we geven liever niets weer dan een gefabriceerde schatting..
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
- ETH Zurich,University of Zurich,ETH AI Center
- Organisatietype
- Academia,Academia,Research collective
- Land
- Switzerland
- Gepubliceerd
- 19 August 2024
- Auteurs
- Heath Arthur-Loui, Amina Mollaysa, Michael Krauthammer
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Drug discovery
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
- tokens
- Epochs
- 500
QM9 Dataset: 113,885 molecules × 40 tokens = 4,555,400 tokens ZINC250k Dataset: 250,000 molecules × 120 tokens = 30,000,000 tokens Total: 4,555,400 + 30,000,000 = 34,555,400 tokens ≈ 3.5 × 10^7 tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Hoe het werd opgericht
- Hardware
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA GeForce RTX 4090
- Gebruikte chips
- 1
- Stroomverbruik
- 487 W
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (non-commercial)
- Training code
- Open (non-commercial)
no clear license https://github.com/HeathArhturLouis/Rethinking-Molecular-Design-Integrating-Latent-Variable-and-Autoregressive-Models-for-Enhanced-Goal
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
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation werd gepubliceerd door ETH Zurich,University of Zurich,ETH AI Center, in het land geregistreerd als Switzerland, tijdens August 2024. De categorie waaronder de uitgever valt is academia,Academia,Research collective.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van drug discovery.
Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden.
Antwoorden
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation — veelgestelde vragen
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— Welke GPU heb ik nodig om het te draaien?
We kunnen niets zeggen. Het heeft open weights, maar er is geen parameter telling gepubliceerd voor het, en elke memory en snelheid berekening begint vanaf dat nummer. We tonen liever niets dan een gefabriceerde schatting.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— wie heeft het gemaakt?
Het werd gepubliceerd door ETH Zurich,University of Zurich,ETH AI Center, gebaseerd op Switzerland, een organisatie geclassificeerd als academia,Academia,Research collective.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— 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.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van drug discovery. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation— waar kan ik het downloaden?
De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.
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.