TxGemma API er en samling av maskinlæringsmodeller med åpen kildekode designet for å generere spådommer, klassifiseringer eller tekst basert på terapeutisk-relaterte data.
Funksjoner av TxGemma
TxGemma er en samling AI-modeller finjustert fra Googles Gemma-arkitektur, spesielt skreddersydd for terapeutiske applikasjoner. Nøkkelfunksjoner inkluderer:
- Spesialisert opplæring: TxGemma-modeller er trent på omtrent 7 millioner eksempler som er relevante for terapeutiske oppgaver, noe som gjør dem i stand til å forutsi egenskapene til terapeutiske enheter gjennom hele legemiddeloppdagelsesprosessen.
- Modellvarianter: Suiten består av modeller av varierende størrelse – 2 milliarder (2B), 9 milliarder (9B) og 27 milliarder (27B) parametere – for å imøtekomme ulike beregningsressurser og applikasjonsbehov.
- Forutsig og chat-versjoner: Hver modellstørrelse tilbyr en "forutsig"-versjon for spesifikke oppgaver som toksisitetsprediksjon og en "chatte"-versjon for samtaledataanalyse, noe som letter komplekse spørsmål og diskusjoner med flere svinger.
Ytelsesmål for TxGemma
Ytelsen til disse modellene har blitt grundig evaluert på tvers av ulike terapeutiske oppgaver:
- Benchmarking: 27B-prediksjonsversjonen demonstrerer overlegen ytelse, overgår eller matcher tidligere toppmoderne modeller på 64 av 66 oppgaver, og overgår spesialiserte modeller på 26 oppgaver.
- Oppgaves allsidighet: Den utmerker seg i klassifisering (f.eks. å forutsi blod-hjerne-barriere-permeabilitet), regresjon (f.eks. estimere medikamentbindingsaffinitet) og generasjonsoppgaver (f.eks. utlede reaktantsett fra reaksjonsprodukter).
Tekniske spesifikasjoner
Arkitekturen og treningsmetodikkene er sentrale for dens evner:
- Fundamentmodell: Bygget på Googles Gemma-arkitektur, utnytter TxGemma transformatormodeller som kun er dekoder, optimalisert for tekstgenereringsoppgaver.
- Treningsdata: Modellene er finjustert ved å bruke et mangfoldig datasett med 7 millioner terapeutiske eksempler, noe som forbedrer deres prediktive nøyaktighet i medikamentutviklingssammenhenger.
- Beregningseffektivitet: TxGemma-modeller er designet for å balansere ytelse med beregningskrav, og er tilgjengelige for forskere med forskjellige ressurser.
Evolusjon fra Tx-LLM til TxGemma
Disse modellene representerer en utvikling fra deres forgjenger, Tx-LLM:
- Forbedret tilgjengelighet: Mens Tx-LLM fikk betydelig interesse, tilbyr TxGemma åpne modeller i praktiske skalaer, noe som muliggjør bredere bruk og tilpasning.
- Forbedret ytelse: TxGemma-modeller viser forbedrede prediktive evner, og konkurrerer med spesialiserte modeller på tvers av en rekke terapeutiske oppgaver.
Fordeler med TxGemma
Adopsjonen av disse modellene i terapeutisk utvikling gir flere fordeler:
- Akselerert legemiddeloppdagelse: Ved nøyaktig å forutsi egenskapene til terapeutiske enheter, kan TxGemma redusere tiden og kostnadene forbundet med å bringe nye terapier til markedet.
- Tilgjengelighet med åpen kildekode: Som åpne modeller lar TxGemma forskere finjustere og tilpasse modellene til spesifikke datasett og oppgaver, noe som fremmer innovasjon og samarbeid.
- Allsidighet: Tilgjengeligheten av modeller i forskjellige størrelser og versjoner muliggjør bruk på tvers av et spekter av oppgaver, fra prediktiv analyse til samtaledataanalyse.
tekniske indikatorer
Teknisk ytelse understrekes av flere indikatorer:
- Parameter Effektivitet: Til tross for at de varierer i størrelse, opprettholder alle TxGemma-modeller en balanse mellom kompleksitet og beregningseffektivitet, og sikrer tilgjengelighet for brukere med ulik ressurskapasitet.
- Instruksjon Tuning: "Chat"-versjonene inkluderer generelle instruksjonsjusteringsdata, som gjør dem i stand til å forklare resonnement og delta i komplekse diskusjoner, og dermed forbedre tolkningsevnen.
Applikasjonsscenarier
Allsidigheten tillater bruk på tvers av ulike stadier av terapeutisk utvikling:
- Målidentifikasjon: Bidra til å finne lovende biologiske mål for nye terapier.
- Prediksjon av narkotikaegenskap: Evaluering av potensiell sikkerhet, effekt og biotilgjengelighet for legemiddelkandidater.
- Prediksjon av utfall av kliniske forsøk: Forutse potensielle utfall av kliniske studier, hjelpe til med bedre utforming av forsøk og ressursallokering.
Brukstips
For å maksimere fordelene:
- Finjustering: Bruk den medfølgende Colab-notebooken til å finjustere TxGemma-modeller med proprietære data, og forbedre prediktiv nøyaktighet for spesifikke applikasjoner.
- Integrasjon med Agentic Systems: Inkorporer TxGemma i agentsystemer som Agentic-Tx for å takle komplekse forskningsproblemer i flere trinn, ved å utnytte resonneringsevnene sammen med andre verktøy.
- Optimale prøvetakingsparametre: Når du bruker den til tekstgenerering, konfigurer samplingsparametere på riktig måte (f.eks. temperatur: 1.0, topp-k: 64, topp-p: 0.95) .
Se også Grok 3 API
Konklusjon
Google AI lanserte disse modellene med den hensikt å forbedre vår verden og øke effektiviteten. De er mer enn bare verktøy; de bidrar til å fremme utvikling på tvers av bransjer, språk og etikk.
Kunstig intelligens åpner døren til nye horisonter. Men når vi tar valg knyttet til slike teknologier, bør vi alltid søke sikkerhet først. Å bruke Google AI-fordeler vil hjelpe oss å bygge alle AI-prosjekter på en ansvarlig måte.
Hvordan ringe TxGemma API fra CometAPI
1.Logg inn til cometapi.com. Hvis du ikke er vår bruker ennå, vennligst registrer deg først.
2.Få tilgangslegitimasjons-API-nøkkelen av grensesnittet. Klikk "Legg til token" ved API-tokenet i det personlige senteret, hent tokennøkkelen: sk-xxxxx og send inn.
-
Få nettadressen til dette nettstedet: https://api.cometapi.com/
-
Velg TxGemma for å sende API-forespørselen og angi forespørselsteksten. Forespørselsmetoden og forespørselsinstansen hentes fra vår nettside API-dok. Vår nettside tilbyr også Apifox-test for enkelhets skyld.
-
Behandle API-svaret for å få det genererte svaret. Etter å ha sendt API-forespørselen, vil du motta et JSON-objekt som inneholder den genererte fullføringen.