RNAdiffusion
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
- Princeton University,Tsinghua University,Stanford University
- Organisatie type
- Academia,Academia,Academia
- Land
- United States of America, China
- Gepubliceerd
- 15 September 2024
- Auteurs
- Kaixuan Huang, Yukang Yang, Kaidi Fu, Yanyi Chu, Le Cong, Mengdi Wang
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Biology
- Taak
- RNA sequence generation
- Basis model
- RNA-FM
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
- tokens
Diffusion part: 1.1M sequences. 205k UTR sequences Reward model: 101k sequences Total: 1100000+205000+101000=1406000 sequences Assuming average token length of 300: 1406000*300=421800000
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
- 2.5 × 10¹⁹ FLOP
- Hoe het werd opgericht
- Hardware
Autoencoder: 8.5h per epoch on single H100, 2 epochs total Diffusion model: 3.5h per epoch on single H100, 3 epochs total Reward model: 7h on a single A100 Total training time: 2*8.5+3*3.5+7=34.5 Compute: ((2*8.5+3*3.5)*756000000000000+7*312000000000000)*60*60*0.3=2.481192e+19
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA H100 PCIe,NVIDIA A100
- Chips used
- 1
- Wall-clock time
- 35 hours
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
- Likely
- Citaties
- 9
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Latent Diffusion Models for Controllable RNA Sequence Generation
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
RNAdiffusion was published by Princeton University,Tsinghua University,Stanford University, in United States of America, in September 2024. It comes out of academia,Academia,Academia.
It works in Biology, and is recorded as doing rNA sequence generation.
It is derived from RNA-FM rather than trained from scratch, which is the usual way a specialised model is produced.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Training en afkomst
Training it took roughly 2.5 × 10¹⁹ FLOP of computation, on NVIDIA H100 PCIe,NVIDIA A100 — a measure of what producing the model cost, not of how fast it answers.
Antwoorden
RNAdiffusion — Veelgestelde vragen
What is RNAdiffusion used for?
RNAdiffusion works in Biology, and is recorded as handling rNA sequence generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train RNAdiffusion?
Around 2.5 × 10¹⁹ FLOP, on NVIDIA H100 PCIe,NVIDIA A100. 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 RNAdiffusion?
None. RNAdiffusion 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 RNAdiffusion open source?
The licensing for RNAdiffusion 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 RNAdiffusion have?
No parameter count has been published for RNAdiffusion, which is why no memory or speed figure appears on this page.
Who created RNAdiffusion?
RNAdiffusion was published by Princeton University,Tsinghua University,Stanford University, based in United States of America, categorised as academia,Academia,Academia.
When was RNAdiffusion released?
RNAdiffusion was published in September 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.
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.