Importance of higher-order epistasis in large protein sequence-function relationships
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
- University of Florida
- Organisatietype
- Academia
- Land
- United States of America
- Gepubliceerd
- 24 September 2024
- Auteurs
- Palash Sethi a, Juannan Zhou
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Biology
- Taak
- Protein function 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
- 165,428 tokens
Initial calculations by dataset: 1. GRB-1: 129,320 * 0.8 * 33 = 3,414,048 2. GRB-3-abundance: 31,936 * 0.8 * 15 = 383,235 3. GRB-3-binding: 25,967 * 0.8 * 15 = 311,610 4. AAV2-Capsid: 42,328 * 0.8 * 28 = 948,136 5. CreiLOV: 165,428 * 0.8 * 15 = 1,985,130 6. cgreGFP: 26,165 * 0.8 * 234 = 4,898,088 7. ppluGFP: 32,260 * 0.8 * 221 = 5,703,568 8. His3-S2: 116,935 * 0.8 * 28 = 2,619,344 9. His3-S5: 92,408 * 0.8 * 31 = 2,291,706 10. His3-S12: 62,305 * 0.8 * 19 = 947,036 Final sum: 3,414,048 + 383,235 …
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
- 1
- Stroomverbruik
- 433 W
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
- Importance of higher-order epistasis in large protein sequence-function relationships
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
Importance of higher-order epistasis in large protein sequence-function relationships werd gepubliceerd door University of Florida, in het land geregistreerd als United States of America, tijdens September 2024. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Biology, en wordt geregistreerd als het uitvoeren van de taak van protein function prediction.
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.
Wat erin ging zitten om het te bouwen
Training verbruikte een corpus van ongeveer 165,428 tekstokens
Antwoorden
Importance of higher-order epistasis in large protein sequence-function relationships — veelgestelde vragen
Importance of higher-order epistasis in large protein sequence-function relationships— waarvoor wordt het gebruikt?
Het werkt in het domein van Biology, en wordt geregistreerd als het afhandelen van protein function prediction. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— 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.
Importance of higher-order epistasis in large protein sequence-function relationships— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Importance of higher-order epistasis in large protein sequence-function relationships— wie heeft het gemaakt?
Het werd gepubliceerd door University of Florida, gebaseerd op United States of America, een organisatie geclassificeerd als academia.
Importance of higher-order epistasis in large protein sequence-function relationships— wanneer is het uitgebracht?
Het werd gepubliceerd in September 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
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.