MatterSim (Grpaphomer)
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Microsoft Research AI for Science
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 10 May 2024
- Autorzy
- Han Yang, Chenxi Hu, Yichi Zhou, Xixian Liu, Yu Shi, Jielan Li, Guanzhi Li, Zekun Chen, Shuizhou Chen, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Jake Smith, Lixin Sun, Qian Wang, Lingyu Kong, Chang Liu, Hongxia Hao, Ziheng Lu
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Materials science
- Zadanie
- Atomistic simulations, Molecular simulation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 182M
- Dane treningowe
- tokens
"The total parameters of Graphormer is 182M."
"The model is trained for a total of 1,562,500 steps" "The batch size for training is set to 256" "the maximum number of expanded atoms is capped at 256"
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 1.1 × 10²⁰ FLOP
- Jak to zostało ustalone
- Operation counting
Speculative confidence because I am unsure how to calculate gradient updates/tokens 6*1,562,500*256*256*182000000=1.118208e+20
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA A100
- Zastosowane chipy
- 64
- Pobór mocy
- 50.6 kW
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Speculative
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- MatterSim: A Deep Learning Atomistic Model Across Elements, Temperatures and Pressures
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
O tym modelu
MatterSim (Grpaphomer) został opublikowany przez Microsoft Research AI for Science, w kraju zapisanym jako United States of America, podczas May 2024. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Materials science, i jest zapisany jako wykonujący zadanie atomistic simulations, Molecular simulation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 1.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
MatterSim (Grpaphomer) — częste pytania
MatterSim (Grpaphomer)— kto to stworzył?
Zostało opublikowane przez Microsoft Research AI for Science, oparty na United States of America, organizacja sklasyfikowana jako industry.
MatterSim (Grpaphomer)— kiedy to zostało wydane?
Zostało opublikowane w May 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
MatterSim (Grpaphomer)— do czego to służy?
Działa w dziedzinie Materials science, i jest zarejestrowany jako realizujący zadanie atomistic simulations, Molecular simulation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
MatterSim (Grpaphomer)— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
MatterSim (Grpaphomer)— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
MatterSim (Grpaphomer)— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
MatterSim (Grpaphomer)— ile ma parametrów?
Ma liczbę parametrów równą 182M. "The total parameters of Graphormer is 182M.". Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.