/ Модель

Характеристики

Контекст
128 токенов
Параметры
8,4 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
5 сен 2023

ChemBERT_ChEMBL_pretrained

ЭмбеддингиТекст → embedding

Производная модели jonghyunlee/ChemBERT_ChEMBL_pretrained. Компактная BERT-модель, предварительно обученная на ChEMBL для извлечения векторных представлений молекул из последовательностей SMILES.

124скачиваний за 30 дней4лайкавеса обновлены6 сен 2023

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 «Эмбеддинги» — 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

Карточка модели jonghyunlee1993/ChemBERT_ChEMBL_pretrained на Hugging Face совпадает с карточкой jonghyunlee/ChemBERT_ChEMBL_pretrained, поэтому описание составлено по ней.

ChemBERT_ChEMBL_pretrained — компактная модель на архитектуре BERT, подготовленная Jonghyun Lee для работы с молекулярными последовательностями SMILES. Модель адаптирована для библиотеки Hugging Face Transformers и предварительно обучена на базе ChEMBL версии 33. Она содержит около 8,4 млн параметров, использует 8 слоёв и 8 голов внимания, размер скрытого состояния — 256; длина контекста составляет 128 токенов.

Модель предназначена для извлечения признаковых представлений молекул и может служить основой для задач анализа химических структур и предсказания молекулярных свойств, включая последующее дообучение. В README сообщается точность 0,9672 на тестовой выборке из 10% данных ChEMBL, однако метрика не конкретизирована. Модель принимает последовательности SMILES в виде текста и выдаёт скрытые векторы признаков. Лицензия — MIT.

Сценарии применения

  • извлечение эмбеддингов молекул из SMILES
  • подготовка признаков для предсказания свойств молекул
  • анализ химических структур в коллекции соединений

Ограничения

Контекст ограничен 128 токенами. Заявленная точность 0,9672 не сопровождается уточнением метрики, поэтому её нельзя интерпретировать как общую оценку качества для других задач.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Molecular BERT Pretrained Using ChEMBL Database

This model has been pretrained based on the methodology outlined in the paper Pushing the Boundaries of Molecular Property Prediction for Drug Discovery with Multitask Learning BERT Enhanced by SMILES Enumeration. While the original model was initially trained using custom code, it has been adapted for use within the Hugging Face Transformers framework in this project.

Model Details

The model architecture utilized is based on BERT. Here are the key configuration details:

BertConfig(
    vocab_size=70,
    hidden_size=256,
    num_hidden_layers=8,
    num_attention_heads=8,
    intermediate_size=1024,
    hidden_act="gelu",
    hidden_dropout_prob=0.1,
    attention_probs_dropout_prob=0.1,
    max_position_embeddings=max_seq_len,
    type_vocab_size=1,
    pad_token_id=tokenizer_pretrained.vocab["[PAD]"],
    position_embedding_type="absolute"
)
  • Optimizer: AdamW
  • Learning rate: 1e-4
  • Learning rate scheduler: False
  • Epochs: 50
  • AMP: True
  • GPU: Single Nvidia RTX 3090

Pretraining Database

The model was pretrained using data from the ChEMBL database, specifically version 33. You can download the database from ChEMBL. Additionally, the dataset is available on the Hugging Face Datasets Hub and can be accessed at Hugging Face Datasets - ChEMBL_v33_pretraining.

Performance

The accuracy score achieved by the pretrained model is 0.9672. The testing dataset used for evaluation constitutes 10% of the ChEMBL dataset.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
7e55a0d

0 моделей