/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,5 млрд
Размер весов
10 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
gemma · dense
Базовая модель
gemma-2b
Библиотека
transformers
Опубликована
2 июн 2024

chemma-2b

Генерация текстаТекст → текст3 профессии

Chemma-2B — специализированная языковая модель для генерации и оптимизации молекул, а также предсказания их свойств по химическим тегам.

806скачиваний за 30 дней5лайковвеса 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

Chemma-2B — дообученная причинная языковая модель для работы с малыми молекулами, созданная на основе Gemma-2B. Она продолжает предобучение на наборе PubChemForLM: около 40 млрд токенов, описывающих более 110 млн молекул PubChem, их вычисленные свойства и сходство. Модель имеет архитектуру GemmaForCausalLM, 2,5 млрд параметров и контекст 2048 токенов; токенизатор Gemma расширен химическими тегами.

Модель предназначена для генерации молекулярных строк SMILES с заданными свойствами, предсказания свойств молекул, поиска похожих соединений и оптимизации молекул. Для работы используются структурированные теги вроде [SAS], [QED], [WEIGHT], [TPSA], [CLOGP], [FORMULA], [RINGCOUNT] и [SIMILAR]; произвольные инструкции на естественном языке не поддерживаются. Модель доступна под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

Сгенерированные строки могут быть некорректными, дублирующимися, химически неправдоподобными, небезопасными для синтеза или не соответствовать заданному диапазону свойств. Предсказанные свойства не являются экспериментальными измерениями; обучающие данные могут содержать ошибки и смещения, а знания модели ограничены данными до 26 января 2023 года. Модель не предназначена для клинических решений и не заменяет экспертную оценку или экспериментальную проверку.

Сценарии применения

  • генерация молекул SMILES с заданным значением свойства
  • предсказание вычисляемых свойств заданной молекулы
  • поиск молекул, похожих на указанное соединение
  • оптимизация молекул по целевым свойствам
  • оценка формулы, числа колец и физико-химических характеристик молекулы

Ограничения

Модель работает со структурированными химическими тегами, а произвольные инструкции на естественном языке не поддерживаются. Генерации и предсказания могут быть некорректными или химически неправдоподобными и требуют экспертной и экспериментальной проверки; модель не подходит для клинических решений.

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

Chemma-2B

Chemma-2B is a 2B-parameter causal language model for molecular generation, property conditioning, property prediction, and optimization. It continues pretraining from Gemma-2B on PubChemForLM: 40 billion tokens describing more than 110 million PubChem molecules, computed properties, and molecular similarities.

Model details

  • Architecture: GemmaForCausalLM; 18 layers, hidden size 2,048, 8 attention heads, 1 key-value head
  • Context length: 2,048 tokens
  • Training objective and precision: causal language modeling in bfloat16
  • Training-data cutoff: January 26, 2023
  • Tokenization: Gemma tokenizer extended with chemistry-specific tags
  • Molecular preprocessing: RDKit-canonicalized SMILES; numeric properties rounded to two decimals

Prompt format

Chemma training samples are separated with <bos>. Generate a molecule by ending a structured property prefix with [START_SMILES]:

<bos>[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:

<bos>[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/chemma-2b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, device_map="auto", torch_dtype="auto"
)

prompt = "<bos>[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 17.500147 (task-agnostic) and 20.550791 (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
GemmaForCausalLM
Ревизия весов
baf6cee

0 моделей