/ Модель

Характеристики

Размер весов
7,2 ГБ
Лицензия
Apache 2.0
Архитектура
mist_finetuned · dense
Библиотека
transformers
Опубликована
19 ноя 2025

mist-1.8B-kayun6v3-gap

ЭмбеддингиТекст → embedding3 профессии

Модель MIST, дообученная на QM9 для предсказания HOMO–LUMO-зазора молекул по SMILES.

101скачиваний за 30 дней0лайковвеса обновлены11 мая 2026

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

MIST-1.8B-kayun6v3-gap — вариант модели семейства MIST, разработанный Electrochemical Energy Group Мичиганского университета. Это энкодер RoBERTa-PreLayerNorm с 24 слоями, размером скрытого состояния 1536, 24 головами внимания и максимальной длиной последовательности 2048 токенов, дополненный двухслойной MLP-головой для регрессии. Модель дообучена на наборе QM9 из MoleculeNet для предсказания HOMO–LUMO-зазора молекул.

На вход подаются SMILES-строки, обычно в кекулизованной форме; на выходе — численная оценка зазора в Hartree. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей masked language modeling. Модель подходит для вычислительного скрининга молекул и изучения их электронных свойств. Репозиторий содержит веса Safetensors и заявляет лицензию Apache 2.0, однако README ограничивает использование исследовательскими целями, запрещает коммерческое использование без отдельного соглашения и перераспространение без разрешения.

Сценарии применения

  • оценка HOMO–LUMO-зазора молекул по SMILES
  • скрининг молекул по электронным свойствам
  • сравнение кандидатов по предсказанному энергетическому зазору

Ограничения

Модель настроена на QM9 и предсказывает только HOMO–LUMO-зазор в Hartree; качество оценивалось на случайном разбиении данных. README указывает на исследовательское использование, отсутствие гарантий, запрет коммерческого применения без соглашения и ограничения на перераспространение.

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

MIST: Molecular Insight SMILES Transformers

MIST is a family of molecular foundation models for molecular property prediction. The models were pre-trained on SMILES strings from the Enamine REAL Space dataset using the Masked Language Modeling (MLM) objective, then fine-tuned for downstream prediction tasks. Further information is available in our pre-print on arXiv.

Model Details

Model Description

This fine-tuned MIST variant consists of the MIST-1.8B encoder finetuned on the QM9 HOMO-LUMO Gap dataset from MoleculeNet benchmark. Fine-tuned MIST models consist of the pretrained MIST model (the encoder), followed by a task network. The task networks consist of a two-layer MLP with Gaussian Error Linear Units (GELU) activations and dropout. The final hidden state vectors for all tokens in the sequence are pooled to produce a single embedding vector. Consistent with prior works, the encoder hidden states were pooled by taking the hidden state of the first token.

Model Sources

Getting Started

Setting Up Your Environment

Create a virtual environment and install dependencies:

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
pip install -r requirements.txt

Note: SMIRK tokenizers require Rust to be installed. See the Rust installation guide for details.

Property Prediction

from transformers import AutoModel
from smirk import SmirkTokenizerFast
# Load the model
model = AutoModel.from_pretrained(
    "path/to/model",
    trust_remote_code=True
)

# Make predictions for HOMO-LUMO gap
smiles_batch = [
    "CCO",           # Ethanol
    "CC(=O)O",       # Acetic acid
    "C1=CC=CC=C1"       # Benzene
]
# Returns predictions for HOMO-LUMO gap in Hartree
results = model.predict(smiles_batch)

Use and Restrictions

Model weights are provided as-is for research purposes only, without guarantees of correctness, fitness for purpose, or warranties of any kind.

  • Research use only
  • No redistribution without permission
  • No commercial use without licensing agreement

Training Details

Training Data

Pretraining We use the the Enamine REAL Space dataset to pretrain MIST models. At time of writing, Enamine REAL Space is the largest database of commercially available compounds. The dataset was constructed using forward synthetic analysis: experimentally validated building blocks were converted into synthons annotated with reactivity features. Enamine REAL Space was selected as the pretraining dataset since it was the largest database of molecular SMILES at the time of training, it is easily accessible for academic use and molecules relevant to downstream tasks, such as drug candidates, electrolytes, fragrances, live in synthetically accessible regions of chemical space.

Finetuning The QM9 dataset was used to predict the HOMO-LUMO gap of molecules. The gap represents the energy difference between the highest occupied and lowest unoccupied molecular orbitals. This property is important for understanding electronic excitations, stability, and reactivity of molecules.

Training Procedure

Inputs

  • Inputs: The input to MIST models are SMILES strings for molecules. Unless specified otherwise, models were pretrained and fine-tuned on Kekulized SMILES strings.
  • Outputs: Regression prediction for HOMO-LUMO gap (Hartree)

Evaluation

Testing

Testing Data

Dataset was split 80/10/10 using a random split.

Metrics

Mean Absolute Error (MAE) for gap predictions

Technical Specifications

Model Architecture and Objective

  • Encoder: RoBERTa-PreLayerNorm encoder with 24 layers, a hidden size of 1536, intermediate size of 6144, 24 attention heads and maximum sequence length of 2048.
  • Task Network: Two-layer MLP (Multi-layer perceptron)
  • Objective
    • Pretraining: MLM (Masked Language Modeling)
    • Fine-tuning: Regression
  • Loss:
    • Pretraining: Cross-Entropy Loss
    • Fine-tuning: Mean Squared Error (MSE) Loss
  • Optimizer:
    • Pretraining: deepspeed.ops.lamb.FusedLAMB
    • Fine-tuning: torch.optim.AdamW

Compute Infrastructure

Hardware

This model was pre-trained on 32 NVIDIA A100-SXM4-80GB GPUs in ~7 days. It was finetuned on 1 NVIDIA A100 GPU.

Software

This model was trained with PyTorchLightning using the DeepSpeed strategy for data distributed parallelism. Model are exported in a Safetensors format.

Citation

If you use this model in your research, please cite:

@online{MIST,
  title = {Foundation Models for Discovery and Exploration in Chemical Space},
  author = {Wadell, Alexius and Bhutani, Anoushka and Azumah, Victor and Ellis-Mohr, Austin R. and Kelly, Celia and Zhao, Hancheng and Nayak, Anuj K. and Hegazy, Kareem and Brace, Alexander and Lin, Hongyi and Emani, Murali and Vishwanath, Venkatram and Gering, Kevin and Alkan, Melisa and Gibbs, Tom and Wells, Jack and Varshney, Lav R. and Ramsundar, Bharath and Duraisamy, Karthik and Mahoney, Michael W. and Ramanathan, Arvind and Viswanathan, Venkatasubramanian},
  date = {2025-10-20},
  eprint = {2510.18900},
  eprinttype = {arXiv},
  eprintclass = {physics},
  doi = {10.48550/arXiv.2510.18900},
  url = {http://arxiv.org/abs/2510.18900},
}

Model Card Authors

Anoushka Bhutani, Alexius Wadell

Model Card Contact

For questions, issues, or licensing inquiries, please contact Venkat Viswanathan venkvis@umich.edu.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MISTFinetuned
Ревизия весов
78cc958

0 моделей