/ Модель

Характеристики

Контекст
514 токенов
Параметры
57,2 млн
Архитектура
roberta · dense

ChemBERTa-zinc-base-v1

Заполнение пропусковТекст → текст3 профессии

Базовая модель RoBERTa, обученная предсказывать замаскированные токены в химических SMILES-последовательностях.

122 тыс.скачиваний за 30 дней70лайковвеса обновлены20 мая 2021

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

ChemBERTa-zinc-base-v1 — модель Seyone для работы с химическими строками SMILES. Она построена на архитектуре RoBERTa и обучена как языковая модель с маскированием токенов на корпусе из 100 тысяч строк SMILES из набора ZINC. Веса доступны в форматах PyTorch и Flax; модель содержит 57,2 млн параметров и рассчитана на контекст до 514 токенов.

Модель предсказывает замаскированные токены в последовательности SMILES и может использоваться для изучения представлений атомов и функциональных групп. Эти представления подходят как признаки для последующих моделей и экспериментов с оценкой токсичности, растворимости, лекарственноподобности и доступности синтеза, а также для анализа внимания к фрагментам молекулы. В карточке приведён результат обучения за пять эпох с потерей 0,398; автор отмечает, что дальнейшее обучение могло бы улучшить результат.

Это базовый чекпойнт для исследовательских и прикладных экспериментов в вычислительной химии и материаловедении, а не готовая система для оценки свойств молекул. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Предсказание пропущенных токенов в строках SMILES
  • Получение представлений молекул для последующего машинного обучения
  • Подготовка признаков для оценки токсичности молекул
  • Подготовка признаков для оценки растворимости и лекарственноподобности
  • Исследование внимания модели к атомам и функциональным группам

Ограничения

Модель обучена на 100 тысячах SMILES из ZINC и указанный результат обучения получен после пяти эпох; качество на других данных и пригодность для непосредственного предсказания свойств в карточке не подтверждены. Лицензия в предоставленных данных не указана.

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

ChemBERTa: Training a BERT-like transformer model for masked language modelling of chemical SMILES strings.

Deep learning for chemistry and materials science remains a novel field with lots of potiential. However, the popularity of transfer learning based methods in areas such as NLP and computer vision have not yet been effectively developed in computational chemistry + machine learning. Using HuggingFace's suite of models and the ByteLevel tokenizer, we are able to train on a large corpus of 100k SMILES strings from a commonly known benchmark dataset, ZINC.

Training RoBERTa over 5 epochs, the model achieves a decent loss of 0.398, but may likely continue to decline if trained for a larger number of epochs. The model can predict tokens within a SMILES sequence/molecule, allowing for variants of a molecule within discoverable chemical space to be predicted.

By applying the representations of functional groups and atoms learned by the model, we can try to tackle problems of toxicity, solubility, drug-likeness, and synthesis accessibility on smaller datasets using the learned representations as features for graph convolution and attention models on the graph structure of molecules, as well as fine-tuning of BERT. Finally, we propose the use of attention visualization as a helpful tool for chemistry practitioners and students to quickly identify important substructures in various chemical properties.

Additionally, visualization of the attention mechanism have been seen through previous research as incredibly valuable towards chemical reaction classification. The applications of open-sourcing large-scale transformer models such as RoBERTa with HuggingFace may allow for the acceleration of these individual research directions.

A link to a repository which includes the training, uploading and evaluation notebook (with sample predictions on compounds such as Remdesivir) can be found here. All of the notebooks can be copied into a new Colab runtime for easy execution.

Thanks for checking this out!

  • Seyone

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
RobertaForMaskedLM
Ревизия весов
761d6a1

0 моделей