RoBERTa model trained on 1M SMILES from PubChem 77M set in MoleculeNet. Uses Smiles-Tokenizer
Характеристики
- Контекст
- 514 токенов
- Параметры
- 57,1 млн
- Архитектура
- roberta · dense
Ссылки
SmilesTokenizer_PubChem_1M
RoBERTa-модель DeepChem преобразует записи SMILES в признаки для задач машинного обучения в химии.
24скачиваний за 30 дней6лайковвеса обновлены31 мая 2021
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
DeepChem разработала RoBERTa-модель с 57,1 млн параметров, обученную на 1 млн строк SMILES из набора PubChem 77M в MoleculeNet. Для токенизации используется Smiles-Tokenizer. Модель предназначена для извлечения признаковых представлений молекул по их текстовой записи SMILES.
Модель принимает текстовые SMILES и выдаёт представления признаков; её можно использовать как компонент химических ML-конвейеров. Контекст составляет 514 токенов. Репозиторий содержит веса в формате PyTorch.
Сценарии применения
- извлечение признаков молекул из SMILES
- получение векторных представлений для химических ML-моделей
- представление молекул из коллекции PubChem для последующего анализа
Ограничения
Модель обучена на строках SMILES из PubChem; применимость к другим химическим представлениям или существенно отличающимся данным не описана.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- RobertaModel
- Ревизия весов
- 4922f62