/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Лицензия
CC BY-NC 4.0
Архитектура
opt · dense
Базовая модель
galactica-125m
Библиотека
transformers
Опубликована
30 мая 2024

chemlactica-125m

Генерация текстаТекст → текст3 профессии

Chemlactica-125M — химическая языковая модель для генерации, оптимизации и предсказания свойств малых молекул по структурированным префиксам SMILES.

200скачиваний за 30 дней1лайквеса обновлены3 сен 2026

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

Chemlactica-125M — дообученная на химических данных причинная языковая модель, разработанная для генерации и оптимизации малых молекул, предсказания их свойств и генерации с заданными свойствами. Она продолжает предобучение facebook/galactica-125m на 40 млрд токенов из PubChemForLM, охватывающих более 110 млн молекул, вычисленные свойства и сходства. Модель построена на архитектуре OPTForCausalLM, содержит 151,7 млн параметров и использует контекст длиной до 2048 токенов.

Модель работает со структурированными химическими префиксами и SMILES. Поддерживаемые теги свойств включают SAS, QED, молекулярную массу, TPSA, CLogP, формулу, число колец и сходство. Карточка описывает обучение и данные на английском языке; модель предназначена для химического моделирования, а не для свободного диалога. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Генерируемые строки могут быть некорректными или дублирующимися, а молекулы — химически неправдоподобными, трудно синтезируемыми или небезопасными. Предсказания свойств не являются экспериментальными измерениями; данные PubChem могут содержать ошибки и смещения, а актуальность модели ограничена датой среза обучающих данных — 26 января 2023 года. Модель предназначена для исследований и не заменяет экспертную проверку или эксперименты.

Сценарии применения

  • генерация молекул по заданным свойствам
  • предсказание QED, SAS и других свойств молекулы
  • поиск молекул, сходных с заданной структурой
  • оптимизация малых молекул по целевым свойствам
  • исследование языковых моделей для химии

Ограничения

Сгенерированные SMILES могут быть некорректными, дублирующимися, химически неправдоподобными, трудно синтезируемыми или небезопасными; предсказанные свойства не являются экспериментальными измерениями. Модель не поддерживает произвольные инструкции на естественном языке, а её обучающие данные ограничены срезом до 26 января 2023 года.

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

Chemlactica-125M

Chemlactica-125M is a 125M-parameter causal language model for molecular generation, property conditioning, property prediction, and optimization. It continues pretraining from Galactica-125M on PubChemForLM: 40 billion tokens describing more than 110 million PubChem molecules, computed properties, and molecular similarities.

Model details

  • Architecture: OPTForCausalLM; 12 layers, hidden size 768, 12 attention heads
  • Context length: 2,048 tokens
  • Training objective: causal language modeling
  • Training-data cutoff: January 26, 2023
  • Molecular preprocessing: RDKit-canonicalized SMILES; numeric properties rounded to two decimals

Prompt format

Chemlactica prompts begin with </s>. Generate a molecule by ending a structured property prefix with [START_SMILES]:

</s>[SAS]2.25[/SAS][SIMILAR]CC(=O)OC1=CC=CC=C1C(=O)O 0.62[/SIMILAR][START_SMILES]

The similarity field is reference SMILES, a space, then the target ECFP Tanimoto similarity. To predict a property, provide the molecule and open the desired property tag:

</s>[START_SMILES]CC(=O)OC1=CC=CC=C1C(=O)O[END_SMILES][SAS]

Common trained tags include [SAS], [QED], [WEIGHT], [TPSA], [CLOGP], [FORMULA], [RINGCOUNT], and [SIMILAR]. Use only tags present in the training format; arbitrary natural-language instructions or oracle names are unsupported.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "yerevann/chemlactica-125m"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, device_map="auto", torch_dtype="auto"
)

prompt = "</s>[QED]0.80[/QED][START_SMILES]"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs, max_new_tokens=128, do_sample=True, temperature=0.8, top_p=0.95
)
print(tokenizer.decode(outputs[0], skip_special_tokens=False))

For optimization, use the Mol-E implementation and canonical PMO prompt registry. In the five-seed PMO-10K reproduction, this checkpoint obtains summed Top-10 AUC scores of 16.944598 (task-agnostic) and 20.429421 (task-informed) across 23 tasks.

Intended use and limitations

This checkpoint is intended for research on small-molecule language modeling and optimization. Generated strings may be invalid, duplicated, chemically implausible, difficult to synthesize, unsafe, or outside the requested property range. Reported properties are predictions or optimization-oracle outputs, not experimental measurements. PubChem-derived data may contain errors or biases, and the model has no knowledge of changes after the cutoff date. Do not use it for clinical decisions or as a substitute for experimental and expert review.

Resources and license

The checkpoint is released under CC BY-NC 4.0. Users must also comply with applicable terms of the base model and source data.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
3e7404c

0 моделей