CrossBind

Gesloten gewichten Shanghai AI Lab,Fudan University,Loughborough University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University March 2024

Geen schatting

Geen hardwarevereisten voor dit model

De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.

Op record

Volledige specificatie

Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.

Oorsprong

Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.

Organisatie
Shanghai AI Lab,Fudan University,Loughborough University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University
Organisatie type
Academia,Academia,Academia,Academia,Academia
Land
China, United Kingdom of Great Britain and Northern Ireland, Hong Kong
Gepubliceerd
24 March 2024
Authors
Linglin Jing, Sheng Xu, Yifan Wang, Yuzhe Zhou, Tao Shen, Zhigang Ji, Hui Fang, Zhen Li, Siqi Sun

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.

Domein
Biology
Taak
Protein-ligand contact prediction

Grootte

Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.

Opleidingsgegevens
320,400 tokens

Total Proteins = 573 + 495 = 1068 Datapoints = 1068 x 300 = 320,400 Final result = 3.2e5

Hoe het is geclassificeerd

Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Vereiste vertrouwen
Confident

Bronnen

Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.

Referentie
CrossBind: Collaborative Cross-Modal Identification of Protein Nucleic-Acid-Binding Residues
Laatst bijgewerkt
28 November 2025

Wat de cijfers betekenen

Where it came from

CrossBind was published by Shanghai AI Lab,Fudan University,Loughborough University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, in China, in March 2024. academia,Academia,Academia,Academia,Academia is the category the publisher falls under.

It works in Biology, and is recorded as doing protein-ligand contact prediction.

This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.

Hoe het was getraind

It was trained on about 320,400 tokens of text.

Antwoorden

CrossBind — Veelgestelde vragen

01

How many parameters does CrossBind have?

No parameter count has been published for CrossBind, which is why no memory or speed figure appears on this page.

02

Who created CrossBind?

CrossBind was published by Shanghai AI Lab,Fudan University,Loughborough University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, based in China, categorised as academia,Academia,Academia,Academia,Academia.

03

When was CrossBind released?

CrossBind was published in March 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.

04

What is CrossBind used for?

CrossBind works in Biology, and is recorded as handling protein-ligand contact prediction. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.

05

What GPU do I need to run CrossBind?

None. CrossBind is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.

06

Is CrossBind open source?

The licensing for CrossBind was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.

Bron

Oorspronkelijke publicatie

Laast bijgewerkt 28 November 2025

De andere richting

Vanuit het andere perspectief bekijken?

Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.