Core Concepts
X-LoRA는 저순위 적응기 전문가들의 혼합체 전략을 사용하여 토큰 수준의 깊이 있는 접근법으로 사전 훈련된 대규모 언어 모델을 미세 조정할 수 있습니다. 이를 통해 다양한 기능을 발휘하고 이전에 사용되지 않았던 깊이 있는 계층적 조합을 만들어 내어 과제를 해결할 수 있습니다.
Abstract
X-LoRA는 사전 훈련된 LoRA 어댑터 세트를 사용하여 동적으로 적응된 계층을 혼합하는 게이팅 전략을 사용합니다. 이를 통해 X-LoRA 모델은 다양한 기능을 활용하고 이전에 사용되지 않았던 깊이 있는 계층적 조합을 만들어 내어 과제를 해결할 수 있습니다.
X-LoRA 모델은 생물 재료 분석, 단백질 역학 및 설계 등의 과학적 기능을 제공합니다. 이 연구의 영향에는 확장 가능하고 적응 가능한 모델에 대한 접근성, 강력한 도메인 지식 및 지식 영역 간 통합 기능이 포함됩니다.
생물학, 수학, 추론, 생물 영감 재료, 역학 및 재료, 화학, 단백질 생물물리학, 역학 및 양자 역학 기반 분자 특성 등의 전문가들이 참여하여 물리학 중심의 일련의 사례 연구를 수행했습니다. 이를 통해 단백질의 나노 역학적 특성 또는 양자 역학적 분자 특성에 대한 정량적 예측뿐만 아니라 결과에 대한 추론과 설명도 가능합니다.
Stats
단백질의 힘-변형 이력을 계산하는 데 사용된 숫자 시퀀스: [0.013,0.066,0.078,0.045,0.072,0.126,0.127,0.107,0.119, 0.074,0.106,0.098,0.103,0.128, 0.077, 0.069,0.131,0.108,0.144,0.174, 0.166,0.183,0.185,0.217,0.175,0.230,0.187,0.224, 0.267,0.301,0.315]