/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Своя лицензия
Архитектура
bert · dense
Опубликована
4 янв 2023

MaterialsBERT

Заполнение пропусковТекст → текст3 профессии

MaterialsBERT — англоязычная BERT-модель для извлечения признаков и заполнения пропусков в научных текстах по материаловедению.

1 184скачиваний за 30 дней20лайковвеса обновлены10 апр 2023

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

MaterialsBERT — англоязычная доменная модель на базе PubMedBERT, дообученная автором pranav-s на корпусе из 2,4 миллиона аннотаций по материаловедению. Это uncased-модель семейства BERT с архитектурой BertForMaskedLM, примерно 136,7 млн параметров и контекстом до 512 токенов.

Модель предназначена для извлечения признаков текста и заполнения пропусков в аннотациях по материаловедению. Её также можно дополнительно дообучать для классификации последовательностей, разметки токенов и ответов на вопросы в этой области; в опубликованном сравнении такие дообученные варианты превзошли базовые языковые модели на трёх из пяти наборов данных.

Для практического применения нужны библиотека Transformers и PyTorch. Карточка указывает лицензию «other», не уточняя её условия; перед использованием следует проверить файлы репозитория с лицензией. Модель ориентирована на английский научный текст и требует дополнительной настройки для большинства прикладных задач.

Сценарии применения

  • извлечение признаков из аннотаций по материаловедению
  • заполнение пропусков в научных текстах о материалах
  • дообучение классификатора научных текстов по материаловедению
  • разметка сущностей и терминов в материалахедческих публикациях
  • дообучение системы ответов на вопросы по текстам о материалах

Ограничения

Модель рассчитана преимущественно на английские тексты по материаловедению и обычно требует дополнительного дообучения для конкретной задачи. Указана лицензия «other», поэтому условия использования нужно уточнить в репозитории.

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

MaterialsBERT

This model is a fine-tuned version of PubMedBERT model on a dataset of 2.4 million materials science abstracts. It was introduced in this paper. This model is uncased.

Model description

Domain-specific fine-tuning has been shown to improve performance in downstream performance on a variety of NLP tasks. MaterialsBERT fine-tunes PubMedBERT, a pre-trained language model trained using biomedical literature. This model was chosen as the biomedical domain is close to the materials science domain. MaterialsBERT when further fine-tuned on a variety of downstream sequence labeling tasks in materials science, outperformed other baseline language models tested on three out of five datasets.

Intended uses & limitations

You can use the raw model for either masked language modeling or next sentence prediction, but it's mostly intended to be fine-tuned on materials-science relevant downstream tasks.

Note that this model is primarily aimed at being fine-tuned on tasks that use a sentence or a paragraph (potentially masked) to make decisions, such as sequence classification, token classification or question answering.

How to Use

Here is how to use this model to get the features of a given text in PyTorch:

from transformers import BertForMaskedLM, BertTokenizer
tokenizer = BertTokenizer.from_pretrained('pranav-s/MaterialsBERT')
model = BertForMaskedLM.from_pretrained('pranav-s/MaterialsBERT')
text = "Enter any text you like"
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

Training data

A fine-tuning corpus of 2.4 million materials science abstracts was used. The DOI's of the journal articles used are provided in the file training_DOI.txt

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.10.2
  • Datasets 1.18.3
  • Tokenizers 0.11.0

Citation

If you find MaterialsBERT useful in your research, please cite the following paper:

@article{materialsbert,
  title={A general-purpose material property data extraction pipeline from large polymer corpora using natural language processing},
  author={Shetty, Pranav and Rajan, Arunkumar Chitteth and Kuenneth, Chris and Gupta, Sonakshi and Panchumarti, Lakshmi Prerana and Holm, Lauren and Zhang, Chao and Ramprasad, Rampi},
  journal={npj Computational Materials},
  volume={9},
  number={1},
  pages={52},
  year={2023},
  publisher={Nature Publishing Group UK London}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
8a7378e

0 моделей