К содержимому
Другое

COMO

химическая формула с картинки превращается в SMILES

2 мин чтения

COMO (Closed-loop Optical Molecule recOgnition) — фреймворк для OCSR (Optical Chemical Structure Recognition, распознавание химических структур по изображению). На вход подаётся картинка 384×384 со структурной формулой, на выходе — SMILES-строка, координаты атомов и матрица связей. Внутри энкодер Swin-B и 6-слойный Transformer-декодер, всего около 94M параметров. Авторы дообучают модель через Minimum Risk Training (MRT — оптимизация сразу по молекулярной метрике, а не по отдельным токенам) на 83K реальных изображений, что заметно подтягивает качество на грязных сканах и патентах. Пригодится тем, кто оцифровывает химическую литературу, патенты и лабораторные архивы.

Ключевые особенности

  • Три варианта чекпоинтов: награда по Tanimoto (сходство отпечатков Morgan), по edit distance и по визуальному энкодеру.
  • На выходе не просто строка: атомы с 2D-координатами плюс матрица связей из 7 классов, включая wedge и dash.
  • Обучение на 1M PubChem и 652K USPTO с аугментациями: тени сканера, волнистые связи, многоязычные подписи.
  • В комплекте открытый набор OCSR-Benchmarks из 10 датасетов — от синтетики Indigo до «диких» WildMol-10K.

Что можно сделать

  • Оцифровать структурные формулы из PDF-статей и патентов в SMILES для своей базы данных.
  • Прогнать пачку изображений через predict_batch и собрать датасет молекул.
  • Проверить собственную модель OCSR на готовых бенчмарках USPTO, CLEF, JPO или ACS.
  • Взять визуальный чекпоинт, если важнее похожесть картинки, а не точное совпадение строки.

Пример

import como

model = como.load_model("models/tanimoto/final.pth", device="cuda")
smiles = como.predict(model, "molecule.png")
print(smiles)  # "CC(=O)O"

smiles_list = como.predict_batch(model, ["mol1.png", "mol2.png"])
ПодробнееExact match: Indigo 98.6%, ChemDraw 96.5%, USPTO 93.4%, CLEF 94.8%, WildMol-10K 77.1%.
Вход 384×384 RGB, ~94M параметров, словарь chartok_coords на 200 токенов.
Код и веса — CC BY-NC 4.0, только некоммерческое использование.
Установка: pip install como-ocsr.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.4 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Keylab/COMO-Edit
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Keylab/COMO-Edit --local-dir ~/models/COMO-Edit
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к COMO-Edit
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии COMO-Edit — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Keylab/COMO-Edit
Автор
Keylab
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии