/ Модель

Характеристики

Контекст
514 токенов
Параметры
57,1 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
7 фев 2025

ChemBERTa_augmented_pubchem_13m

Заполнение пропусковТекст → текст3 профессии

Модель ChemBERTa на базе RoBERTa, обученная на химических последовательностях SMILES для заполнения маски и получения представлений молекул для задач хемоинформатики.

426скачиваний за 30 дней1лайквеса обновлены29 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Derify/ChemBERTa_augmented_pubchem_13m — языковая модель для химических структур, разработанная Derify и обученная на наборе augmented_canonical_pubchem_13m. Это модель семейства RoBERTa с 57,1 млн параметров, предназначенная для предсказания замаскированных фрагментов последовательности SMILES; максимальная длина контекста составляет 514 токенов.

В README приведены результаты дообучения ChemBERTa для классификации и регрессии молекулярных свойств на наборах BACE, BBBP, TOX21, HIV, SIDER, ClinTox, ESOL, FreeSolv, Lipo и Clearance. Эти показатели показывают применимость представлений модели к задачам хемоинформатики, но сами по себе не означают, что опубликованный чекпойнт напрямую выдаёт оценки свойств: указанная основная задача — заполнение маски. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • предсказание замаскированного токена в последовательности SMILES
  • изучение языковых представлений молекулярных структур
  • подготовка химической языковой модели к дообучению на свойствах молекул

Ограничения

Основная задача опубликованной модели — заполнение маски; приведённые метрики классификации и регрессии получены после отдельного дообучения и не гарантируют прямое предсказание этих свойств исходным чекпойнтом. README сообщает об оценке на молекулах с длиной SMILES не более 200 символов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a ChemBERTa model trained on the augmented_canonical_pubchem_13m dataset.

The model was trained for 24 epochs using NVIDIA Apex's FusedAdam optimizer with a reduce-on-plateau learning rate scheduler. To improve performance, mixed precision (fp16), TF32, and torch.compile were enabled. Training used gradient accumulation (16 steps) and batch size of 128 for efficient resource utilization. Evaluation was performed at regular intervals, with the best model selected based on validation performance.

Benchmarks

Classification Datasets (ROC AUC - Higher is better)

ModelBACE↑BBBP↑TOX21↑HIV↑SIDER↑CLINTOX↑
Tasks11121272
Derify/ChemBERTa_augmented_pubchem_13m0.80080.74180.75480.77440.63130.9621

Regression Datasets (RMSE - Lower is better)

ModelESOL↓FREESOLV↓LIPO↓BACE↓CLEARANCE↓
Tasks11111
Derify/ChemBERTa_augmented_pubchem_13m0.87980.52820.68530.955445.4362

Benchmarks were conducted using the chemberta3 framework. Datasets were split with DeepChem’s scaffold splits and filtered to include only molecules with SMILES length ≤200, following MolFormer paper's recommendation. The model was fine-tuned for 100 epochs with a learning rate of 3e-5 and batch size of 32. Each task was run with 3 different random seeds, and the mean performance is reported.

References

ChemBERTa Series

@misc{chithrananda2020chembertalargescaleselfsupervisedpretraining,
      title={ChemBERTa: Large-Scale Self-Supervised Pretraining for Molecular Property Prediction}, 
      author={Seyone Chithrananda and Gabriel Grand and Bharath Ramsundar},
      year={2020},
      eprint={2010.09885},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2010.09885}, 
}
@misc{ahmad2022chemberta2chemicalfoundationmodels,
      title={ChemBERTa-2: Towards Chemical Foundation Models}, 
      author={Walid Ahmad and Elana Simon and Seyone Chithrananda and Gabriel Grand and Bharath Ramsundar},
      year={2022},
      eprint={2209.01712},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2209.01712}, 
}
@misc{singh2025chemberta3opensource,
  title={ChemBERTa-3: An Open Source Training Framework for Chemical Foundation Models},
  author={Singh, R. and Barsainyan, A. A. and Irfan, R. and Amorin, C. J. and He, S. and Davis, T. and others},
  year={2025},
  howpublished={ChemRxiv},
  doi={10.26434/chemrxiv-2025-4glrl-v2},
  note={This content is a preprint and has not been peer-reviewed},
  url={https://doi.org/10.26434/chemrxiv-2025-4glrl-v2}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
2da3150

0 моделей