/ Модель

Характеристики

Контекст
512 токенов
Параметры
113 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
19 июл 2026

astra-bert-mlm

Заполнение пропусковТекст → текст3 профессии

Предобученный BERT для заполнения пропущенных токенов в последовательностях SMILES и подготовки к прогнозированию свойств молекул.

12скачиваний за 30 дней0лайковвеса обновлены20 июл 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

ASTRA BERT MLM — базовая предобученная модель семейства ASTRA (Advanced Solvation Transformer for Rational Additives), разработанная для задач хемоинформатики и материаловедения. Это BERT-энкодер с головой masked language modeling, содержащий 113,3 млн параметров и принимающий последовательности канонических SMILES длиной до 512 токенов.

Модель обучена предсказывать скрытые токены в молекулярных последовательностях на примерно 4 млн неразмеченных канонических SMILES. Она усваивает химический синтаксис, связи атомов и представления молекулярных структур; служит базой для последующего дообучения на задачи прогнозирования свойств, в частности LUMO и энергии связывания. Основная задача в каталоге — заполнение пропусков в последовательностях SMILES.

Модель работает с текстовыми представлениями молекул, а не с изображениями молекулярных структур. Карточка не сообщает результаты оценки качества или подробности применимости к конкретным химическим наборам данных. Лицензия — MIT.

Сценарии применения

  • предсказание пропущенных токенов в SMILES
  • изучение химической структуры молекул по строкам SMILES
  • получение базового представления для дообучения на прогнозирование LUMO
  • подготовка модели для регрессии энергии связывания
  • предобучение моделей для задач хемоинформатики

Ограничения

Модель обучена на строках SMILES и предназначена для молекулярных последовательностей; README не приводит количественных оценок качества и результатов на downstream-задачах.

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

ASTRA: Pre-trained BERT (MLM)

This model is part of the ASTRA (Advanced Solvation Transformer for Rational Additives) framework. It is a BERT-based Masked Language Model (MLM) heavily pre-trained on a large-scale dataset of canonical SMILES strings. By predicting masked tokens within molecular sequences, this model has learned the fundamental chemical syntax, atomic connectivity, and structural representations required for advanced cheminformatics tasks.

This pre-trained encoder serves as the foundational base model for subsequent downstream property prediction tasks (e.g., LUMO and Binding Energy regression) within the ASTRA framework.

Model Details

  • Architecture: BERT (MaskedLM)
  • Stage: Pre-trained (Base Model)
  • Task: Masked Language Modeling (MLM)
  • Data: Large-scale unlabelled canonical SMILES (~4M)

Usage

from astra.tokenizer import initial_bert_tokenizer_with_vocabulary
from astra.model import BertForMLM

# Load the tokenizer and model
vocab_file = "./vocab.txt"
tokenizer = initial_bert_tokenizer_with_vocabulary(path=vocab_file)

pretrained_path = "<path/to/pretrained/model>" # Replace with your actual paths
model = BertForMLM.from_pretrained_model(pretrained_path, tokenizer)

More Information

For more details on data preparation, downstream fine-tuning, and the full active learning loop, please visit our GitHub Repository.

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
721c8d9

0 моделей