/ Модель

Характеристики

Контекст
1 024 токена
Параметры
202 млн
Лицензия
CC BY-NC 4.0
Архитектура
bart · dense
Библиотека
transformers
Опубликована
2 дек 2024

SpecTUS_pretrained_only

Генерация текстаТекст → текст3 профессии

Предобученная трансформерная модель SpecTUS генерирует SMILES молекул по масс-спектрам GC-EI-MS и служит основой для дальнейшего дообучения.

137скачиваний за 30 дней0лайковвеса обновлены12 авг 2026

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

SpecTUS_pretrained_only — предобученная модель команды MS-ML для восстановления молекулярных структур по масс-спектрам GC-EI-MS. Это трансформерная модель архитектуры BART с 201,6 млн параметров, обученная генерировать SMILES-представления молекул по спектрам. Входной контекст составляет до 1024 токенов. Модель предобучена 448 000 шагов на 17,2 млн синтетических спектров, созданных моделями NEIMS и RASSP.

Чекпойнт предназначен как основа для последующего дообучения на экспериментальных данных, например NIST или Wiley. На этапе предобучения точность восстановления структур составила 38% для спектров RASSP, 29% для NEIMS и 3% для спектров NIST; валидность сгенерированных канонических SMILES для синтетических спектров была выше, чем точность восстановления структуры. Поэтому результаты на реальных спектрах ограничены, и авторы рекомендуют дополнительное дообучение. Модель распространяется по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

Сценарии применения

  • восстановление структуры малой молекулы по спектру GC-EI-MS
  • генерация кандидатов молекулярной структуры в формате SMILES
  • оценка применимости модели к синтетическим масс-спектрам
  • дообучение на экспериментальных масс-спектрах

Ограничения

На этапе предобучения точность восстановления структур была низкой на спектрах NIST (3%) и выше на синтетических спектрах (29–38%); авторы рекомендуют дообучение на экспериментальных данных. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование.

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

The SpecTUS model pretrained on synth1_2x4.7 and synth2_2x4.8M combined for 448k steps.

The model is a Transformer-based neural network trained to elucidate molecular structures from GC-EI-MS spectra. The model was pretrained on a large dataset of 17.2M synthetic training spectra generated from two identical sets of 8.6M compounds using the NEIMS and RASSP models.

We mainly aimed to give the model an understanding of the chemical space of small molecules. The training was conducted with a batch size of 128 for 448,000 steps, allowing the model to process each of the 17.2 million spectra approximately three times. The entire pretraining process, including control evaluations every 16,000 steps, took 58 hours on a single Nvidia H100 GPU.

During pretraining, the percentage of correctly reconstructed structures increased steadily but it remained relatively low at the end of the stage: 38% for RASSP-generated spectra, 29% for NEIMS-generated spectra, and 3% for NIST spectra. However, 96% of the generated SMILES strings (RASSP, NEIMS) were valid canonical molecules, with 91% (RASSP), 78% (NEIMS), and 14% (NIST) having correct molecular formulas, though possibly incorrect structures. These results suggest that during the pretraining phase, the model successfully learned molecular structure rules and the relationship between atomic weight and m/z values, forming a good foundation for subsequent finetuning.

We suggest to finetune the model further on experimental data (NIST, Wiley) to reach the performance reported in our preprint. Though we can not make the final model available, since it was finetuned on a proprietary dataset (NIST). If you have purchased the NIST GC-EI-MS license, you can fine-tune the model yourself using the code in our GitHub repository. The code we used for the data processing, finetuning, evaluation, model comparison and more can also be found in our GitHub repository.

Our preprint provides more information about the task background, the final finetuned model, and the experiments.

How to cite:

@article{doi:10.1021/acs.analchem.6c02423,
  author = {Hájek, Adam and Starý, Michal and Price, Elliott and Jozefov, Filip and Hecht, Helge and Křenek, Aleš},
  title = {SpecTUS: Spectral Translator for Unknown Structures Annotation from EI-MS Spectra},
  journal = {Analytical Chemistry},
  doi = {10.1021/acs.analchem.6c02423},
  note ={PMID: 42441797},
  url = {https://doi.org/10.1021/acs.analchem.6c02423},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpectusForConditionalGeneration
Ревизия весов
1218bd9

0 моделей