RoseTTAFold All-Atom (RFAA)

Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein folding prediction, Proteins. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.

Szkolenie zajęło około 2.1 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA RTX A6000. 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.

Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.

Zostało opublikowane przez University of Washington,Seoul National University,University of Sheffield, oparty na United States of America, organizacja sklasyfikowana jako academia,Academia,Academia.

Zostało opublikowane w October 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.