API TxGemma

Gemma Tx API adalah kumpulan model pembelajaran mesin sumber terbuka yang dirancang untuk menghasilkan prediksi, klasifikasi, atau teks berdasarkan data terkait terapi.

Fitur TxGemma

TxGemma adalah kumpulan model AI yang disempurnakan dari arsitektur Gemma Google, yang dirancang khusus untuk aplikasi terapeutik. Fitur-fitur utamanya meliputi:

• Pelatihan khusus: Model TxGemma dilatih pada sekitar 7 juta contoh yang berkaitan dengan tugas terapeutik, memungkinkannya untuk memprediksi sifat entitas terapeutik sepanjang proses penemuan obat.
• Varian Model:Rangkaian ini terdiri dari model dengan berbagai ukuran—2 miliar (2 miliar), 9 miliar (9 miliar), dan 27 miliar (27 miliar) parameter—untuk mengakomodasi beragam sumber daya komputasi dan kebutuhan aplikasi.
• Versi Prediksi dan Obrolan: Setiap ukuran model menawarkan versi 'prediksi' untuk tugas-tugas tertentu seperti prediksi toksisitas dan versi 'obrolan' untuk analisis data percakapan, memfasilitasi pertanyaan kompleks dan diskusi multi-putaran.

Metrik Kinerja TxGemma

Kinerja model-model ini telah dievaluasi secara ketat di berbagai tugas terapi:

• benchmarking: Versi prediksi 27B menunjukkan kinerja yang unggul, mengungguli atau menyamai model canggih sebelumnya pada 64 dari 66 tugas, dan melampaui model khusus pada 26 tugas.
• Fleksibilitas Tugas: Unggul dalam klasifikasi (misalnya, memprediksi permeabilitas sawar darah-otak), regresi (misalnya, memperkirakan afinitas pengikatan obat), dan tugas-tugas pembangkitan (misalnya, menyimpulkan set reaktan dari produk reaksi).

Spesifikasi teknis

Arsitektur dan metodologi pelatihan sangat penting bagi kemampuannya:

• Model Fondasi:Dibangun di atas arsitektur Gemma Google, TxGemma memanfaatkan model transformator khusus dekoder yang dioptimalkan untuk tugas pembuatan teks.
• Data pelatihan:Model-model tersebut disempurnakan menggunakan kumpulan data beragam yang terdiri dari 7 juta contoh terapeutik, meningkatkan akurasi prediktifnya dalam konteks pengembangan obat.
• Efisiensi Komputasi:Dirancang untuk menyeimbangkan kinerja dengan tuntutan komputasi, model TxGemma dapat diakses oleh para peneliti dengan berbagai sumber daya.

Evolusi dari Tx-LLM ke TxGemma

Model-model ini merupakan evolusi dari pendahulunya, Tx-LLM:

• Aksesibilitas yang Ditingkatkan:Sementara Tx-LLM menarik minat yang signifikan, TxGemma menawarkan model terbuka pada skala praktis, memfasilitasi adopsi dan penyesuaian yang lebih luas.
• Peningkatan Kinerja:Model TxGemma menunjukkan kemampuan prediktif yang ditingkatkan, menyaingi model khusus di berbagai tugas terapeutik.

Keuntungan TxGemma

Penerapan model-model ini dalam pengembangan terapi menawarkan beberapa keuntungan:

• Penemuan Obat yang Dipercepat: Dengan memprediksi secara akurat sifat-sifat entitas terapeutik, TxGemma dapat mengurangi waktu dan biaya yang terkait dengan membawa terapi baru ke pasar.
• Aksesibilitas Sumber Terbuka:Sebagai model terbuka, TxGemma memungkinkan peneliti untuk menyempurnakan dan mengadaptasi model ke kumpulan data dan tugas tertentu, sehingga mendorong inovasi dan kolaborasi.
• Multifungsi:Ketersediaan model dalam berbagai ukuran dan versi memungkinkan penerapan di berbagai tugas, mulai dari analisis prediktif hingga analisis data percakapan.

Indikator teknis

Kinerja teknis ditegaskan oleh beberapa indikator:

• Efisiensi Parameter: Meskipun ukurannya bervariasi, semua model TxGemma menjaga keseimbangan antara kompleksitas dan efisiensi komputasi, memastikan aksesibilitas bagi pengguna dengan kapasitas sumber daya yang berbeda.
• Penyetelan Instruksi: Versi 'obrolan' menggabungkan data penyetelan instruksi umum, yang memungkinkannya menjelaskan penalaran dan terlibat dalam diskusi kompleks, sehingga meningkatkan interpretabilitas.

Skenario Aplikasi

Fleksibilitasnya memungkinkan penerapan di berbagai tahap pengembangan terapi:

• Identifikasi Sasaran: Membantu dalam menentukan target biologis yang menjanjikan untuk terapi baru.
• Prediksi Properti Obat: Mengevaluasi potensi keamanan, kemanjuran, dan bioavailabilitas kandidat obat.
• Prediksi Hasil Uji Klinis: Mengantisipasi hasil potensial uji klinis, membantu dalam desain uji coba dan alokasi sumber daya yang lebih baik.

Kiat Penggunaan

Untuk memaksimalkan manfaatnya:

• Mencari setelan: Manfaatkan buku catatan Colab yang disediakan untuk menyempurnakan model TxGemma dengan data hak milik, meningkatkan akurasi prediktif untuk aplikasi tertentu.
• Integrasi dengan Sistem Agentik: Gabungkan TxGemma ke dalam sistem agen seperti Agentic-Tx untuk mengatasi masalah penelitian yang rumit dan multi-langkah, manfaatkan kemampuan penalarannya bersama dengan alat lainnya.
• Parameter Pengambilan Sampel Optimal: Saat menggunakannya untuk pembuatan teks, konfigurasikan parameter pengambilan sampel dengan tepat (misalnya, suhu: 1.0, top-k: 64, top-p: 0.95).

Lihat Juga API Grok 3

Kesimpulan

Google AI merilis model-model ini dengan tujuan untuk memperbaiki dunia kita dan meningkatkan efisiensi. Model-model ini lebih dari sekadar alat; model-model ini membantu mendorong pengembangan di berbagai industri, bahasa, dan etika.

Kecerdasan buatan membuka pintu ke cakrawala baru. Namun, saat membuat pilihan terkait teknologi tersebut, kita harus selalu mengutamakan keselamatan. Menggunakan keunggulan Google AI akan membantu kita membangun semua proyek AI secara bertanggung jawab.

Cara memanggil API TxGemma dari CometAPI

1.Masuk untuk cometapi.comJika Anda belum menjadi pengguna kami, silakan mendaftar terlebih dahulu.

2.Dapatkan kunci API kredensial akses antarmuka. Klik “Tambahkan Token” pada token API di pusat personal, dapatkan kunci token: sk-xxxxx dan kirimkan.

3. Dapatkan url situs ini: https://api.cometapi.com/

4. Pilih TxGemma untuk mengirim permintaan API dan atur isi permintaan. Metode permintaan dan isi permintaan diperoleh dari dokumen API situs web kamiSitus web kami juga menyediakan uji coba Apifox demi kenyamanan Anda.

5. Memproses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah mengirim permintaan API, Anda akan menerima objek JSON yang berisi penyelesaian yang dihasilkan.