MassiveFold

Gesloten gewichten Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS November 2024

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
Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS
Organisatietype
Academia,Academia,Academia
Land
France, Sweden
Gepubliceerd
11 November 2024
Auteurs
Nessim Raouraoua, Claudio Mirabello, Thibaut Véry, Christophe Blanchet, Bjorn Wallner, Marc Lensink, Guillaume Brysbaert

Wat het doet

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

Domein
Biology
Taak
Protein folding 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
tokens

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
Unknown

Bronnen

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

Referentie
MassiveFold: unveiling AlphaFold’s hidden potential with optimized and parallelized massive sampling
Laatst bijgewerkt
28 November 2025

Wat de cijfers betekenen

Wat dit model is

MassiveFold werd gepubliceerd door Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS, in het land geregistreerd als France, tijdens November 2024. De categorie waaronder de uitgever valt is academia,Academia,Academia.

Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein folding prediction.

De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.

Antwoorden

MassiveFold — veelgestelde vragen

01

MassiveFold— 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.

02

MassiveFold— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

03

MassiveFold— wie heeft het gemaakt?

Het werd gepubliceerd door Université de Lille,Linköping University,Universite de Technologie de Compiègne – CNRS, gebaseerd op France, een organisatie geclassificeerd als academia,Academia,Academia.

04

MassiveFold— wanneer is het uitgebracht?

Het werd gepubliceerd in November 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

05

MassiveFold— waarvoor wordt het gebruikt?

Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein folding prediction. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

06

MassiveFold— 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.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

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.