/ Модель

Характеристики

Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Опубликована
6 фев 2024

IUPAC2SMILES-canonical-base

Генерация текстаТекст → текст3 профессии

Модель Knowladgator преобразует английские названия химических веществ по IUPAC в канонические строки SMILES.

216скачиваний за 30 дней6лайковвеса обновлены15 фев 2024

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

IUPAC2SMILES-canonical-base — модель Knowladgator Engineering для преобразования химических названий IUPAC на английском языке в канонические строки SMILES. Она основана на MT5 и использует архитектуру encoder-decoder с механизмом внимания и разные токенизаторы для кодировщика и декодировщика. Веса занимают около 180 МБ; число параметров — 29,4 млн. Модель предназначена для перевода названий веществ в машинно-читаемое представление, в том числе при пакетной обработке и выборе стиля названия.

В оценке авторов указаны точность 93,7% и BLEU-4 0,974. Модель хуже обрабатывает крупные молекулы и не поддерживает изомерные и изотопные варианты SMILES. Распространяется по лицензии Apache 2.0.

Сценарии применения

  • Преобразование названия вещества по IUPAC в SMILES
  • Подготовка химических структур для вычислительной обработки
  • Пакетная конвертация списков химических названий в SMILES
  • Получение канонического SMILES для химических записей

Ограничения

Точность снижается при обработке крупных молекул; изомерные и изотопные варианты SMILES не поддерживаются.

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

IUPAC2SMILES-canonical-base

IUPAC2SMILES-canonical-base was designed to accurately translate IUPAC chemical names to SMILES.

Model Details

Model Description

IUPAC2SMILES-canonical-base is based on the MT5 model with optimizations in implementing different tokenizers for the encoder and decoder.

  • Developed by: Knowladgator Engineering
  • Model type: Encoder-Decoder with attention mechanism
  • Language(s) (NLP): SMILES, IUPAC (English)
  • License: Apache License 2.0

Model Sources

Quickstart

Firstly, install the library:

pip install chemical-converters

IUPAC to SMILES

To perform simple translation, follow the example:

from chemicalconverters import NamesConverter

converter = NamesConverter(model_name="knowledgator/IUPAC2SMILES-canonical-base")
print(converter.iupac_to_smiles('ethanol'))
print(converter.iupac_to_smiles(['ethanol', 'ethanol', 'ethanol']))
['CCO']
['CCO', 'CCO', 'CCO']

Processing in batches:

from chemicalconverters import NamesConverter

converter = NamesConverter(model_name="knowledgator/IUPAC2SMILES-canonical-base")
print(converter.iupac_to_smiles(["buta-1,3-diene" for _ in range(10)], num_beams=1, 
                                process_in_batch=True, batch_size=1000))
['<SYST>C=CC=C', '<SYST>C=CC=C'...]

Our models also predict IUPAC styles from the table:

Style TokenDescription
<BASE>The most known name of the substance, sometimes is the mixture of traditional and systematic style
<SYST>The totally systematic style without trivial names
<TRAD>The style is based on trivial names of the parts of substances

Bias, Risks, and Limitations

This model has limited accuracy in processing large molecules and currently, doesn't support isomeric and isotopic SMILES.

Training Procedure

The model was trained on 100M examples of SMILES-IUPAC pairs with lr=0.00001, batch_size=512 for 2 epochs.

Evaluation

ModelAccuracyBLEU-4 scoreSize(MB)
IUPAC2SMILES-canonical-small88.9%0.96623
IUPAC2SMILES-canonical-base93.7%0.974180
STOUT V2.0*68.47%0.92128
*According to the original paper https://jcheminf.biomedcentral.com/articles/10.1186/s13321-021-00512-4

Citation

Coming soon.

Model Card Authors

Mykhailo Shtopko

Model Card Contact

info@knowledgator.com

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
a41a732

0 моделей