/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
302 млн
Лицензия
MIT
Архитектура
llama · dense
Опубликована
7 мая 2025

NovoMolGen_300M_SMILES_BPE

Генерация текстаТекст → текст3 профессии

Модель Llama с 302,4 млн параметров для генерации молекул в формате SMILES, обученная на данных ZINC-22.

108скачиваний за 30 дней0лайковвеса обновлены2 сен 2025

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

NovoMolGen_300M_SMILES_BPE — языковая модель семейства NovoMolGen от chandar-lab для генерации молекул в формате SMILES. Модель основана на плотной архитектуре Llama, содержит 302,4 млн параметров и обучена в составе семейства на 1,5 млрд молекул из ZINC-22. Репозиторий предоставляет веса PyTorch; для загрузки указаны Transformers и FlashAttention, а контекст модели составляет 2048 токенов.

Модель предназначена для безусловной и целевой генерации молекул, в том числе для сценариев поиска соединений с заданными свойствами. Карточка семейства заявляет высокие результаты на этих задачах, но не приводит отдельные метрики именно для этой версии. Выход представляет собой текстовую последовательность SMILES, поэтому её корректность и химическую пригодность следует проверять специализированными средствами. Лицензия — MIT.

Сценарии применения

  • генерация молекул в формате SMILES
  • безусловное создание новых молекулярных структур
  • целевая генерация молекул для поиска соединений с заданными свойствами

Ограничения

Карточка не приводит отдельные метрики качества для этой версии; сгенерированные SMILES следует проверять на синтаксическую корректность и химическую пригодность.

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

NovoMolGen

NovoMolGen is a family of molecular foundation models trained on 1.5 billion ZINC-22 molecules with Llama architectures and FlashAttention. It achieves state-of-the-art performance on both unconstrained and goal-directed molecule generation tasks.

How to load

>>> from transformers import AutoTokenizer, AutoModelForCausalLM
>>> tokenizer = AutoTokenizer.from_pretrained("chandar-lab/NovoMolGen_300M_SMILES_BPE", trust_remote_code=True)
>>> model = AutoModelForCausalLM.from_pretrained("chandar-lab/NovoMolGen_300M_SMILES_BPE", trust_remote_code=True)

Quick-start (FlashAttention + bf16)

>>> from accelerate import Accelerator

>>> acc = Accelerator(mixed_precision='bf16')
>>> model = acc.prepare(model)

>>> outputs = model.sample(tokenizer=tokenizer, batch_size=4)
>>> print(outputs['SMILES'])

Transformers-native HF checkpoint (revision="hf-checkpoint")

We also publish a Transformers-native checkpoint on the hf-checkpoint revision. This version loads directly with AutoModelForCausalLM and works out-of-the-box with .generate(...).

>>> import torch
>>> from transformers import AutoTokenizer, AutoModelForCausalLM

>>> model = AutoModelForCausalLM.from_pretrained("chandar-lab/NovoMolGen_300M_SMILES_BPE", revision='hf-checkpoint', device_map='auto')
>>> tokenizer = AutoTokenizer.from_pretrained("chandar-lab/NovoMolGen_300M_SMILES_BPE", revision='hf-checkpoint')

>>> input_ids = torch.tensor([[tokenizer.bos_token_id]]).expand(4, -1).contiguous().to(model.device)
>>> outs = model.generate(input_ids=input_ids, temperature=1.0, max_length=64, do_sample=True, pad_token_id=tokenizer.eos_token_id)

>>> molecules = [t.replace(" ", "") for t in tokenizer.batch_decode(outs, skip_special_tokens=True)]
['CCO[C@H](CNC(=O)N(CC(=O)OC(C)(C)C)c1cccc(Br)n1)C(F)(F)F',
'CCn1nnnc1CNc1ncnc(N[C@H]2CCO[C@@H](C)C2)c1C',
'CC(C)(O)CNC(=O)CC[C@H]1C[C@@H](NC(=O)COCC(F)F)C1',
'Cc1ncc(C(=O)N2C[C@H]3[C@H](CNC(=O)c4cnn[nH]4)CCC[C@H]3C2)n1C']

Citation

@misc{chitsaz2025novomolgenrethinkingmolecularlanguage,
      title={NovoMolGen: Rethinking Molecular Language Model Pretraining}, 
      author={Kamran Chitsaz and Roshan Balaji and Quentin Fournier and Nirav Pravinbhai Bhatt and Sarath Chandar},
      year={2025},
      eprint={2508.13408},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2508.13408}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
281af33

0 моделей