DARK
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
- University College London (UCL)
- Organisatie type
- Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 28 January 2022
- Auteurs
- Lewis Moffat, Shaun M. Kandathil, David T. Jones
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Biology
- Taak
- Protein generation, Proteins
- Benadering
- Unsupervised
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
- 50,000,000 tokens
500,000 sequences × 100 amino acids = 50,000,000 data points
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 9.7 × 10¹⁸ FLOP
- Hoe het werd opgericht
- Hardware
"Rounding up to the nearest day, if we were to re-perform DARK from nothing to having a trained DARK3 it would take 12 days when parallelized across ten V100 GPUS. Of that time, model training constitutes just over 3 days and only requires 1 GPU" 3 * 24 * 3600 * 125 teraFLOP/s * 0.3 (utilization) = 9.7e18
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA V100
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
- Speculative
- Citaties
- 29
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Design in the DARK: Learning Deep Generative Models for De Novo Protein Design
- Laatst bijgewerkt
- 1 December 2025
Wat de cijfers betekenen
Achtergrond
DARK was published by University College London (UCL), in United Kingdom of Great Britain and Northern Ireland, in January 2022. The organisation is categorised as academia.
It works in Biology, and is recorded as doing protein generation, Proteins.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Hoe het was getraind
Training it took roughly 9.7 × 10¹⁸ FLOP of computation, on NVIDIA V100 — a measure of what producing the model cost, not of how fast it answers.
Around 50,000,000 tokens went into training it.
Antwoorden
DARK — Veelgestelde vragen
How much compute was used to train DARK?
Around 9.7 × 10¹⁸ FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run DARK?
None. DARK 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.
Is DARK open source?
The licensing for DARK was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does DARK have?
No parameter count has been published for DARK, which is why no memory or speed figure appears on this page.
Who created DARK?
DARK was published by University College London (UCL), based in United Kingdom of Great Britain and Northern Ireland, categorised as academia.
When was DARK released?
DARK was published in January 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is DARK used for?
DARK works in Biology, and is recorded as handling protein generation, Proteins. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
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.