IV.6Научные исследования, математика и новые материалы

Qwen-BioTool-1.5B — дообученная модель на базе Qwen2.5-1.5B-Instruct, разработанная для выбора биомедицинских инструментов и формирования аргументов вызова функций. Она обрабатывает биомедицинский вопрос вместе со схемами доступных инструментов и возвращает вызов подходящего инструмента в заданном формате. Модель имеет плотную архитектуру Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов; дообучение выполнено методом QLoRA в 4-битном режиме с Unsloth. Обучение охватывает 127 инструментов из NCBI E-utilities, UniProt REST и Ensembl REST, включая поиск геномных и белковых данных, сопоставление координат и предсказание эффектов вариантов. Это подходит для автоматизации запросов к биомедицинским API в задачах геномики, протеомики и сравнительной биологии. Модель не обучалась на клинических API, а её диалоговые возможности унаследованы от базовой модели. В поле arguments вызова инструмента JSON передаётся как строка, поэтому перед использованием аргументы нужно дополнительно разобрать. Модель не предназначена для диагностики или принятия клинических решений. Лицензия — Apache-2.0.

multimolecule/rinalmo-micro — компактная версия RiNALMo, модели семейства RiNALMo для анализа некодирующих РНК. Это неофициальная реализация, выпущенная командой MultiMolecule по работе Rafael Josip Penić и соавторов; команда сообщает, что промежуточные представления совпадают с оригинальной реализацией. Модель представляет собой плотную BERT-подобную архитектуру RiNALMo с 44,3 млн параметров и контекстом до 1024 токенов. Она принимает последовательности РНК и обучена предсказывать замаскированные нуклеотиды. Модель подходит для восстановления скрытых нуклеотидов и извлечения признаков последовательностей ncRNA, в том числе как основы для дообучения под задачи классификации или регрессии на уровне последовательности либо нуклеотида. Предобучение проводилось на 36 млн уникальных последовательностей из RNAcentral, Rfam, Ensembl Genome Browser и Nucleotide. При предобработке U заменялась на T; токенизатор RiNALMo умеет выполнять обратное преобразование T в U. Это базовая предобученная модель, не настроенная под конкретные downstream-задачи, поэтому для классификации и регрессии требуется дообучение. Репозиторий распространяется по лицензии AGPL-3.0.

scdino-v2-base — модель CSEM-AI4LS на основе Vision Transformer DINOv2, обученная без учителя на 5-канальных изображениях одиночных клеток периферической крови человека (PBMC). Для каждого фрагмента микроскопического изображения размером 50×50 пикселей модель выдаёт эмбеддинг размерности 128, который можно использовать для анализа и сравнения клеток. Карточка описывает порядок каналов, включая яркопольное изображение, DAPI и флуоресцентные маркеры CD3 и CD14. Модель предназначена для извлечения признаков из микроскопических изображений одиночных клеток, в частности для последующей кластеризации, визуализации и анализа типов иммунных клеток. В открытом доступе также упомянут размеченный набор из более чем 1,3 миллиона изображений семи типов иммунных клеток. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Для загрузки модели, предобработки фрагментов и оценки эмбеддингов README отсылает к отдельному репозиторию кода.

SciFive-large-Pubmed — англоязычная модель семейства T5, представленная авторами работы SciFive: Long N. Phan, James T. Anibal, Hieu Tran, Shaurya Chanana, Erol Bahadroglu, Alec Peltekian и Grégoire Altan-Bonnet. Она предназначена для задач обработки биомедицинской литературы и обучена с использованием корпуса PubMed. Модель содержит около 385,2 млн параметров, принимает текст и генерирует текст; максимальная длина контекста — 1024 токена. Карточка указывает задачу text-classification, а архитектура T5 поддерживает генерацию текста в формате text-to-text. Модель подходит для классификации биомедицинских текстов и может применяться в сценариях анализа научных публикаций. В метаданных указаны форматы PyTorch, TensorFlow и Flax, а также веса Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

SpliceBERT-1024nt — перенос модели SpliceBERT на Hugging Face, подготовленный Taykhoom Dalal на основе оригинальной работы Chen et al. Это языковая модель BERT для последовательностей РНК, обученная предсказывать замаскированные нуклеотиды. Она принимает фрагменты длиной от 64 до 1024 нуклеотидов, представленные отдельными токенами; символ U нормализуется в T. Контекст модели составляет 1026 токенов с учётом специальных токенов, размер — 25,2 млн параметров. Модель обучена на более чем двух миллионах первичных последовательностей РНК 72 видов позвоночных. Её можно использовать для заполнения пропусков и получения представлений последовательностей РНК, а также дообучать для задач классификации последовательностей. Архитектура включает 6 слоёв BERT, 16 голов внимания и размерность эмбеддингов 512. Лицензия — CC BY 4.0. Пуллер модели не имеет обученных весов: его выход не следует использовать без дообучения. Для задач уровня последовательности в README рекомендуется усреднять скрытые состояния обычных нуклеотидных позиций.

TA-OPD-27B — модель для задач омиксики, разработанная путём дообучения Qwen3.5-27B методом tool-augmented on-policy distillation на наборе TA-OPD-10K. Во время обучения ответы учителя включали свидетельства из биологических инструментов и баз данных; при использовании модель принимает биологическую последовательность и вопрос, а обучающие инструменты ей не требуются. Модель предназначена для анализа последовательностей: предсказания эпигенетических меток, промоторов, сайтов связывания факторов транскрипции и модификаций РНК, классификации семейств некодирующих РНК и предсказания функций ферментов. Это плотная архитектура Qwen3.5 с 27 млрд параметров, веса представлены в BF16 Safetensors и используются через Transformers с соответствующими токенизатором и шаблоном чата. В оценке OmicsBench модель улучшила большинство приведённых метрик относительно базовой Qwen3.5-27B, однако показатели различаются по задачам и не свидетельствуют о высокой точности для каждого типа предсказаний. Лицензия — Apache-2.0. Результаты описаны на бенчмарке OmicsBench; они не гарантируют качество на других последовательностях или прикладных сценариях.

UTRBERT-3mer — перенос на Hugging Face модели UTRBERT от Yang и соавторов, подготовленный Taykhoom Dalal. Это BERT-base с 12 слоями, 12 головами внимания и размерностью эмбеддингов 768, предварительно обученный на последовательностях человеческих 3′-нетранслируемых областей мРНК. Модель использует токенизацию перекрывающимися 3-мерами: входную РНК или ДНК переводят в формат РНК, затем разбивают на триплеты с шагом 1; словарь содержит 69 токенов, а контекст ограничен 512 токенами. Основная задача — предсказание замаскированных 3-меров. Модель подходит для анализа последовательностей 3′-UTR, получения контекстных представлений и использования этих представлений как входа для дополнительных предсказательных голов. Карточка указывает на проверку соответствия представлений и логитов исходным весам. Для загрузки требуется Transformers и доверенная загрузка кода из репозитория; доступен формат safetensors. Лицензия — CC BY 4.0. README не описывает готовые специализированные головы для задач классификации.

VHHBERT — языковая модель для последовательностей VHH-антител, разработанная COGNANO. Она основана на архитектуре RoBERTa и предварительно обучена на двух миллионах последовательностей из корпуса VHHCorpus-2M; размер модели составляет 113,3 млн параметров. Модель предназначена для работы с белковыми последовательностями, в частности для восстановления замаскированных участков последовательности с помощью задачи fill-mask. Модель имеет позиционные эмбеддинги длиной 185 токенов, что покрывает максимальную длину последовательности 179 токенов в обучающем корпусе. Для загрузки используются библиотека Transformers и соответствующий токенизатор. Распространяется по лицензии MIT. Это специализированная модель для биологических последовательностей, поэтому её применение к обычному тексту не является целевым.

AstroCLIP — опубликованный контрастивно обученный двухбашенный энкодер для данных о галактиках, представленный в репозитории giovannicozzolongo и упакованный в формат, совместимый с Transformers. Он кодирует изображения галактик и спектры в общее пространство признаков; архитектура объединяет энкодер изображений в стиле DINOv2, спектральный энкодер SpecFormer и головы пулинга с перекрёстным вниманием. Для изображения используются каналы g, r, z, обрезка до 144 × 144 пикселей и преобразование Legacy Survey; спектры стандартизируются и разбиваются на перекрывающиеся сегменты. Модель предназначена для поиска соответствий между изображениями и спектрами, извлечения эмбеддингов и научных экспериментов в астрономии. Она выдаёт эмбеддинги размерности 1024. Обучение проводилось на парных данных изображений Legacy Survey и спектров DESI. Производительность вне этого распределения данных не установлена; загрузка включённого в репозиторий кода модели требует trust_remote_code=True. Лицензия — MIT.

Bacformer Large Masked MAG — модель для бактериальной геномики, разработанная исследователями из Floto Lab Кембриджского университета и Brbić Lab EPFL под руководством Maciej Wiatrak. Она рассматривает геном как упорядоченную последовательность белков и формирует контекстные представления белков с учётом остальных белков организма и их расположения в хромосомах, плазмидах и контигах. Модель содержит около 442,4 млн параметров, использует плотную архитектуру Bacformer со SwigLU и ESM-C 300M для получения усреднённых эмбеддингов аминокислотных последовательностей. Она обучена предсказывать семейства замаскированных белков на корпусе примерно из 1,3 млн метагеномных сборок бактериальных геномов. Максимальная длина контекста — 6000 белков; модель поддерживает задачи заполнения масок, классификации последовательностей и токен-классификации. Bacformer подходит для получения контекстных представлений геномов и белков, а также для построения downstream-моделей в задачах бактериальной геномики. Для корректных оценок требуется актуальная версия весов: в коде модели была исправлена ошибка, ухудшавшая качество выходных эмбеддингов. Лицензия — Apache 2.0.

BiomedELECTRA-large-uncased-abstract — крупная англоязычная языковая модель семейства BERT/ELECTRA, разработанная Microsoft Research и предварительно обученная с нуля на аннотациях PubMed. Она предназначена для извлечения признаков и представлений текста в биомедицинских NLP-сценариях. Модель содержит 433,9 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Её можно использовать как основу для получения текстовых эмбеддингов и дальнейшей разработки систем анализа биомедицинских текстов. Специализация на аннотациях PubMed может быть полезна для научной литературы, но карточка не сообщает результаты по конкретным задачам или гарантий качества. Лицензия — MIT.

BulkRNABert — энкодерная трансформерная модель, разработанная InstaDeep и предварительно обученная на профилях bulk RNA-seq из набора TCGA. Она использует самоконтролируемое маскирование: модель восстанавливает случайно скрытые значения экспрессии генов с учётом их геномного контекста и формирует биологически значимые представления транскриптомных профилей. Модель предназначена для извлечения эмбеддингов bulk RNA-seq и их последующего использования в задачах классификации типов рака и анализа выживаемости. Для инференса README описывает использование Transformers и PyTorch; также доступны параметры модели для JAX. Репозиторий содержит веса в формате safetensors. Это специализированная модель для транскриптомных данных, а не универсальная языковая модель. README отмечает, что для работы на момент публикации требовалась версия Transformers из исходного кода; результаты downstream-задач требуют отдельной настройки или классификатора. Лицензия в предоставленных данных не указана.

CENO-300M-131k — базовая модель семейства CENO, разработанная для работы с геномными последовательностями ДНК. Это причинная языковая модель с гибридной архитектурой Nemotron-H, объединяющей Mamba, attention и Mixture-of-Experts; она обрабатывает последовательности без входов MSA. Токенизатор посимвольный и сопоставляет основания ДНК их ASCII-кодам. В метаданных указано 151,5 млн параметров, а README называет модель чекпойнтом семейства размером 300M; обучающая длина контекста этого чекпойнта — 131 072 токена. Модель предназначена для генерации геномных последовательностей и извлечения эмбеддингов, а также для последующей адаптации и исследования геномных задач. В README отдельно описаны MSA-чекпойнты семейства для предсказания эффектов вариантов; это не заявленная основная функция данного базового чекпойнта. Модель распространяется по лицензии Apache-2.0. Для загрузки в Transformers README указывает `trust_remote_code=True`, поскольку код модели включён в репозиторий.

Карточка модели CladeTeam/CENO-300M-1m на Hugging Face совпадает с карточкой cuio/CENO-300M-1m, поэтому описание составлено по ней. CENO-300M-1m — базовая модель семейства CENO для работы с геномными последовательностями ДНК, разработанная командой CENO. Это причинная языковая модель с гибридной архитектурой Nemotron-H, объединяющей Mamba, attention и Mixture of Experts; токенизатор посимвольный и кодирует основания ДНК ASCII-кодами. Чекпойнт прошёл этап расширения контекста и обучался на последовательностях длиной 1 048 576 токенов. Модель предназначена для генерации геномных последовательностей, извлечения эмбеддингов и последующей адаптации для задач геномики. Она не принимает MSA-входы; предсказание эффектов вариантов описано для отдельных MSA-чекпойнтов семейства CENO, поэтому эту возможность нельзя напрямую приписывать данной модели. Модельный код включён в репозиторий и используется через Transformers с trust_remote_code=True. Лицензия — Apache-2.0.

Dayhoff-170M-GRS-26000 — модель для языкового моделирования белковых последовательностей, опубликованная авторами проекта Dayhoff. По карточке Dayhoff сочетает слои Mamba и Transformer с блоками Mixture-of-Experts; метаданные указывают архитектуру Jamba и 23,6 млн параметров. Модель работает с длинным контекстом до 262 144 токенов и обучена предсказывать последовательности в направлениях N→C и C→N, что поддерживает заполнение пропусков в любом порядке. Модель предназначена для исследовательских задач проектирования белков: генерации последовательностей, оценки эффектов мутаций без дообучения и создания белковых каркасов с заданными структурными мотивами или эволюционным контекстом. В карточке также описано использование более крупных моделей семейства для гомологичного кондиционирования, но оно не подтверждено для этого чекпойнта. Модель не предназначена для обычного текста, ДНК или других биологических последовательностей. Сгенерированные белки не гарантированно реалистичны, а создание последовательностей без сходства с природными белками остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-GRS-SS-110000 — белковая языковая модель, разработанная командой исследователей, перечисленных в карточке Dayhoff. Это чекпойнт семейства Dayhoff на гибридной архитектуре Jamba: слои Mamba и Transformer чередуются с блоками Mixture-of-Experts. Модель насчитывает 23,6 млн параметров, работает с контекстом до 262 144 токенов и обучена авторегрессионно на последовательностях белков; семейство Dayhoff также поддерживает обработку развёрнутых множественных выравниваний последовательностей. Модель предназначена для исследовательских задач белкового моделирования: генерации последовательностей, безэталонной оценки эффектов мутаций и проектирования белков с заданными структурными мотивами или эволюционным контекстом. Подходит для экспериментов с генерацией белков и анализом последовательностей, но карточка не подтверждает, что каждая возможность семейства оценивалась именно на этом чекпойнте. Модель не предназначена для генерации естественного языка, ДНК или других биологических последовательностей. Сгенерированные последовательности не гарантированно реалистичны, а получение качественных белков без сходства с известными природными последовательностями остаётся трудной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-18000 — модель для генерации белковых последовательностей из семейства Dayhoff, разработанного Kevin K. Yang и соавторами. Она предназначена для исследований в области моделирования белков и обучена на данных Dayhoff, включая последовательности белков и метагеномов. Архитектура — гибрид Mamba и Transformer с механизмом Mixture-of-Experts; модель использует авторегрессионную генерацию и поддерживает длинный контекст. Для этого варианта указаны 23,6 млн параметров и контекст до 262 144 токенов. Основной сценарий — генерация белковых последовательностей; семейство Dayhoff также применяется для предсказания эффектов мутаций и проектирования белковых каркасов, но эти возможности отдельно для данного чекпойнта не подтверждены. Модель не предназначена для естественного языка или генерации ДНК. Сгенерированные последовательности не гарантированно реалистичны, а создание белков без сходства с природными последовательностями остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-36000 — модель для генерации белковых последовательностей, опубликованная в рамках ресурса Dayhoff. В карточке разработчика указана команда исследователей, а метаданные связывают модель с архитектурой Jamba и классом JambaForCausalLM. Архитектура Dayhoff сочетает слои Mamba и Transformer с блоками Mixture-of-Experts; модель обучена авторегрессионно в направлениях N→C и C→N и поддерживает контекст до 262 144 токенов. В метаданных размер указан как 23,6 млн параметров. Модель предназначена для генерации белковых последовательностей, в том числе безусловного дизайна белков, а также может применяться для предсказания эффектов мутаций и проектирования последовательностей с заданными структурными мотивами или эволюционным контекстом. Карточка описывает семейство Dayhoff и его возможности в целом, поэтому конкретные сценарии, кроме генерации белковых последовательностей, не следует считать подтверждёнными именно для этого варианта. Модель не предназначена для естественного языка, ДНК или других биологических последовательностей. Сгенерированные последовательности не всегда реалистичны, а получение качественных последовательностей без гомологии с природными белками остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-48000 — модель генерации белковых последовательностей из семейства Dayhoff, разработанная Kevin K. Yang и соавторами. Она предназначена для исследований в области белкового языкового моделирования: генерации белков, оценки эффектов мутаций и проектирования последовательностей с заданными структурными мотивами или эволюционным контекстом. Архитектура представляет собой гибрид Mamba и Transformer с блоками смеси экспертов (MoE); в метаданных указан класс JambaForCausalLM и 23,6 млн параметров. Модель обучена на белковых последовательностях и рассчитана на длинный контекст до 262 144 токенов. Для работы с ней README указывает PyTorch, mamba, causal-conv1d и flash-attn. Лицензия — MIT. Модель не предназначена для естественного языка, ДНК или иных неп белковых последовательностей. Сгенерированные последовательности не гарантированно реалистичны; особенно сложна генерация качественных последовательностей без сходства с известными природными белками.

Taykhoom поддерживает порт DNABERT-S — модели для получения векторных представлений последовательностей ДНК. Оригинальная модель разработана Zhou и соавторами; это дообучение zhihan1996/DNABERT-2-117M с помощью контрастивного обучения по парам последовательностей одного вида и метода i-Mix. Модель содержит 116,4 млн параметров, использует архитектуру BERT с 12 слоями, 12 головами внимания и размерностью представления 768. Токенизация выполняется через BPE, без предварительной разбивки на k-меры. Эмбеддинги DNABERT-S предназначены для разделения геномов разных видов и применяются для идентификации видов, биннинга метагеномных последовательностей и эволюционного анализа. Репозиторий содержит веса и токенизатор; для загрузки кода используется Taykhoom/MosaicBERT-updated. Модель распространяется по лицензии Apache 2.0.

DNABERT-S — модель для получения видоспецифичных векторных представлений последовательностей ДНК, разработанная Zhihan Zhou и соавторами из MAGICS-LAB. Она основана на DNABERT-2 и обучена формировать эмбеддинги, которые помогают группировать геномы по видам. Модель применяют для идентификации и классификации видов, биннинга метагеномных последовательностей и анализа эволюционных связей. Это BERT-модель с 116,4 млн параметров, принимающая последовательности ДНК в виде токенизированного текста; максимальная длина контекста — 512 токенов. Основной результат работы — эмбеддинги последовательностей, пригодные для кластеризации и классификации, в том числе при ограниченном количестве размеченных данных. Модель распространяется по лицензии Apache-2.0. Для загрузки через Transformers в карточке Hugging Face указано использовать trust_remote_code=True.

mrothroc разработал компактную GPT-2-подобную языковую модель ДНК и обучил её в mixlab. Модель содержит 14,4 млн параметров, восемь причинных слоёв attention, размерность 384, словарь из девяти токенов и контекст длиной 512 токенов. Она предсказывает следующий нуклеотид; предобучение проведено на непрерывном потоке последовательностей из хромосом 1–3 генома GRCh38 с аугментацией обратным комплементом. Модель предназначена как переиспользуемая основа для генерации последовательностей ДНК и дообучения классификаторов на геномных задачах. На бенчмарке human_enhancers_cohn классификатор, дообученный на этой основе, показал accuracy 0,717 и AUROC 0,799, превысив указанный в карточке результат базовой CNN. Модель распространяется в формате safetensors, загружается через стандартный Transformers как GPT2LMHeadModel без trust_remote_code и лицензирована по MIT. Обучение ограничено хромосомами 1–3, а контекст составляет 512 токенов, поэтому модель может не отражать закономерности всего генома и не подходит для анализа длинных последовательностей без дополнительной обработки. Приведённый результат относится к классификатору после дообучения, а не к исходной модели как готовому классификатору.

DrugGen — модель на основе GPT-2, разработанная для генерации структур молекул в формате SMILES по аминокислотной последовательности белка или идентификатору UniProt. В карточке указано, что модель создана на базе liyuesen/druggpt и обучалась на парах одобренных препаратов и белковых мишеней с помощью supervised fine-tuning и PPO; метаданные классифицируют происхождение как слияние моделей. Архитектура — GPT2LMHeadModel, контекст составляет 1024 токена, реализация использует Transformers и веса SafeTensors. Модель предназначена для исследовательского поиска кандидатов в малые молекулы, связанных с заданной белковой мишенью. Обучение учитывало валидность SMILES, предсказание связывания белок–лиганд и штраф за совпадение с известными одобренными молекулами. Эти критерии не подтверждают безопасность, эффективность или пригодность сгенерированных соединений для применения: результаты требуют химической и экспериментальной проверки. Карточка не сообщает отдельного набора количественных оценок качества. Лицензия — GPL-3.0.

Taykhoom/Evo1-1-7B-131K — порт модели Evo 1, разработанной Together Computer, для Transformers. Это плотная гибридная языковая модель Evo1ForCausalLM примерно на 7 млрд параметров с блоками StripedHyena и окном контекста до 131 072 байт. Она обучена предсказывать следующий байт в последовательностях ДНК и принимает сырые UTF-8 байты с алфавитом токенов 0–255; размер словаря модели дополнен до 512.

Карточка модели AntibodyGeneration/fine-tuned-progen2-large на Hugging Face совпадает с карточкой AntibodyGeneration/fine-tuned-progen2-small, поэтому описание составлено по ней. Antibody Generator — специализированная модель генерации белковых последовательностей для разработки терапевтических антител. Её разработали Joseph Roberts, David Noble, Rahul Suresh и Neel Patel на архитектуре ProGen2 от Salesforce; вариант small содержит 151 млн параметров. Модель дообучена на примерно 5 000 экспериментально разрешённых кристаллических структурах антител и их антигенов. Контекст составляет 1 024 токена. Модель предназначена для исследователей и специалистов в биоинформатике и молекулярной биологии: она генерирует последовательности кандидатов антител для задач иммунологии, разработки вакцин и медицинских исследований. Качество последовательностей можно предварительно анализировать, в частности, с помощью ANARCI и оценки разнообразия. Модель выдаёт кандидатов, а не подтверждённые функциональные антитела; результаты необходимо проверять экспериментально. Лицензия — Apache 2.0. README предупреждает о возможности вредоносного использования генерируемых последовательностей.

Набор предварительно обученных моделей проекта Galaxy Image Simplification using Generative AI, предназначенный для упрощения изображений галактик перед количественным анализом морфологии. В состав входят классификатор на ResNet для отбора спиральных галактик и две условные GAN-модели: первая выделяет спиральные рукава на изображении, вторая сглаживает и соединяет фрагменты полученной маски. Модели принимают оптическое RGB-изображение галактики размером 256×256 пикселей и формируют изображение с упрощённым представлением спиральных рукавов. Их можно применять для отбора спиральных галактик в обзорах неба, построения каталогов упрощённых изображений и измерения геометрии рукавов, включая углы закрутки. Модели построены на ResNet и conditional GAN, реализованы с Keras и TensorFlow и обучены на изображениях DESI Legacy Survey с ручной разметкой спиральных рукавов. Набор предназначен для астрономических изображений, а не для генерации изображений общего назначения или точного фотометрического восстановления. Финальные бинарные маски могут требовать дополнительной обработки, например пороговой фильтрации и скелетизации. Лицензия репозитория — MIT.

GB.DNA-300M — плотная модель семейства RNABert с примерно 298,9 млн параметров, опубликованная genbio-ai. Она представлена как базовая модель для построения прикладных моделей анализа биологических последовательностей с помощью ModelGenerator. В README приведены сценарии дообучения для классификации последовательностей и отдельных токенов, регрессии и получения эмбеддингов; в метаданных основная задача указана как заполнение маски (fill-mask).

GENERator-v2-prokaryote-3b-base — генеративная модель геномных последовательностей из семейства GENERator-v2, представленная в карточке как вариант для прокариот. Это плотная авторегрессионная модель класса GENERatorForCausalLM на архитектуре Llama с 3 млрд параметров, рассчитанная на генерацию последовательностей. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers. Модель предназначена для работы с геномными последовательностями прокариот. При генерации длина каждой входной последовательности должна быть кратна шести: README рекомендует дополнять последовательность слева символом A либо обрезать её слева. Указана лицензия MIT. Карточка также отмечает обновление весов для оптимальной производительности; результаты зависят от соблюдения требований к длине последовательности.

GmshNet-8B-v0.1 — открытая плотная авторегрессионная языковая модель, предназначенная для генерации скриптов сеточного разбиения в Gmsh 4.x и структурированного анализа задач построения сеток. Модель имеет архитектуру Qwen2ForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов; в карточке указана библиотека Transformers и формат весов safetensors. Модель ориентирована на инженерные и научные сценарии: создание Gmsh-скриптов для геометрий и сеток, а также помощь при настройке и анализе процесса генерации сетки. Карточка заявляет специализацию на Gmsh, но не приводит оценок качества или подробностей обучения. Поддержка английского указана в метаданных. Лицензия Apache-2.0.

Conditional-GQE (H-cGQE) — модель и система генеративного проектирования квантовых схем для вычислений в квантовой химии и материаловедении. В README она описана как разработка для Mitsubishi Chemical Group & AIST Quantum Challenge (GIC 2026). Модель на основе Transformer, связанного с графовой нейронной сетью для представления молекулярной структуры, обучается с подкреплением и предлагает последовательности квантовых операторов с учётом молекулы и её электронного гамильтониана. Сгенерированные схемы предназначены для расчёта энергий молекул в заданных активных пространствах. Последовательности операторов дополняются классической оптимизацией углов L-BFGS-B; для поиска разнообразных структур используется MAP-Elites. README сообщает о результатах на симуляторах и отдельных проверках на оборудовании, включая химическую точность в контролируемом сравнении для CH₃I с 8 кубитами. Модель принимает текстовое или структурированное описание молекулярной задачи и выдаёт описание последовательности квантовых операций для построения схемы; реализация использует PyTorch и CUDA-Q. Репозиторий распространяется по лицензии MIT. Результаты README относятся к конкретным активным пространствам и сценариям оценки: обобщение на ранее не проверенные молекулы обозначено как открытый вопрос, а заявленная точность не означает точность для полного базиса или всех молекул.