ShapeMol
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
- Ohio State University
- Kraj
- United States of America
- Opublikowany
- 23 August 2023
- Autorzy
- Ziqi Chen, Bo Peng, Srinivasan Parthasarathy, Xia Ning
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Drug discovery
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 2.7M
- Dane treningowe
- tokens
1. Training dataset: 1,593,653 molecules
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
- 2.6 × 10¹⁹ FLOP
- Jak to zostało ustalone
- Hardware
1. Hardware: 1x Tesla V100 PCIe 32GB (1.30×10¹⁴ FLOP/s) 2. Training duration: directly provided - 140 hours total (80h Shape Encoder + 60h Diffusion Model) = 504,000 seconds 3. Utilization: 40% 4. Calculation: 1.30×10¹⁴ FLOP/s × 1 GPU × 504,000s × 0.4 = 2.60×10¹⁹ FLOPs
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA V100
- Zastosowane chipy
- 1
- Czas rzeczywisty
- 140 hours
- Pobór mocy
- 328 W
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 18
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Shape-conditioned 3D Molecule Generation via Equivariant Diffusion Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
ShapeMol został opublikowany przez Ohio State University, w kraju zapisanym jako United States of America, podczas August 2023.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie drug discovery.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 2.6 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
ShapeMol — częste pytania
ShapeMol— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie drug discovery. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
ShapeMol— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.6 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. 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.
ShapeMol— 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.
ShapeMol— 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.
ShapeMol— ile ma parametrów?
Ma liczbę parametrów równą 2.7M. 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.
ShapeMol— kto to stworzył?
Zostało opublikowane przez Ohio State University, oparty na United States of America.
ShapeMol— kiedy to zostało wydane?
Zostało opublikowane w August 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.