ProCALM (Uniref9B)
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
- Profluent Bio,California Institute of Technology
- Organisatietype
- Industry,Academia
- Land
- United States of America
- Gepubliceerd
- 9 October 2024
- Auteurs
- Jason Yang, Aadyot Bhatnagar, Jeffrey A. Ruffolo, Ali Madani
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Proteins, Protein generation
- Basis model
- ProGen2-base
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.
- parameters
- 764M
- Training gegevens
- tokens
"We trained two different ProCALM models – one on 9 billion tokens of enzyme sequences from Uniref, and one on 1.5 billion tokens of enzyme sequences from Swissprot Train"
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
- Fijn-tuning compute
- 8.1 × 10¹⁹ FLOP
"Impressively, our Uniref9B and Swissprot-1.5B models only required 240 and 40 A100-hours to train, respectively" 240/4=60h across 4 A100 Finetuning compute: 240*60*60*312000000000000*0.3=8.08704e+19
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
- Kloktijd
- 60 hours
- 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
- Confident
- Citaties
- 9
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Conditional Enzyme Generation Using Protein Language Models with Adapters
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
ProCALM (Uniref9B) werd gepubliceerd door Profluent Bio,California Institute of Technology, in het land geregistreerd als United States of America, tijdens October 2024. De publicerende organisatie is geclassificeerd als industry,Academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van proteins, Protein generation.
Het startpunt was een bestaand basismodel, ProGen2-base. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.
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.
Antwoorden
ProCALM (Uniref9B) — veelgestelde vragen
ProCALM (Uniref9B)— wie heeft het gemaakt?
Het werd gepubliceerd door Profluent Bio,California Institute of Technology, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.
ProCALM (Uniref9B)— wanneer is het uitgebracht?
Het werd gepubliceerd in October 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
ProCALM (Uniref9B)— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van proteins, Protein generation. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
ProCALM (Uniref9B)— 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.
ProCALM (Uniref9B)— 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.
ProCALM (Uniref9B)— hoeveel parameters heeft het?
Het heeft een parameter telling van 764M. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
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.