Модель brain-uce-pilot-mix-v3-d1280l20v2-s2048-bican от исследователя KuanP представляет собой крупную UCE-подобную клеточную модель (cell embedding model) для одиночных клеток мозга на основе RNA-seq (single-cell RNA-seq). Архитектура включает 20 слоев с шириной 1280, обрабатывая предложения из 2048 случайно выбранных генов (до 3584 токенов) для каждого набора данных. На выходе модель генерирует 1280-мерный L2-нормализованный вектор клетки. Новинка полезна для исследователей в области биоинформатики и нейробиологии, занимающихся кластеризацией и типированием клеток мозга человека и мыши.
Ключевые особенности
Архитектура: 20 слоев, скрытая размерность 1280, с обработкой 2048 генов на клетку.
Производительность: Около 41 мс на одну клетку на GPU A100 при размере батча 32.
Качество: Улучшенные результаты на биоинформатических бенчмарках по сравнению с предыдущей версией UCE-Brain v0.5.
Совместимость: Использует стандартный словарь генов и те же вызовы, что и другие модели линейки v2026-09.
Что можно сделать
Эмбеддинг клеток: Запустить инференс на данных экспрессии одиночных клеток (h5ad) для получения качественных векторных представлений.
Клеточное типирование: Применить полученные эмбеддинги для задач классификации и поиска соседей (kNN) на датасетах мозга человека и мыши.
Сравнение моделей: Протестировать интеграцию эмбеддингов в пайплайны анализа экспрессии генов вместе с другими версиями UCE.
Подробнее• Бенчмарки: UCSC (human fine cell typing) — 0.850 F1; cross-collection transfer — 0.944; WMB-10X mouse supertype — 0.297. • Требования к железу: Около 16–17 ГБ VRAM и 14 ГБ оперативной памяти при батче 32; для батча 64 требуется около 24 ГБ. • Ограничения: Пилотная исследовательская модель с одним сидом обучения; выходной размер 1280-d не заменяет старые 512-d или 768-d модели напрямую. • Лицензия: Другая (требуется связаться с авторами перед использованием вне оценки).
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.
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.
# KuanP/brain-uce-pilot-mix-v3-d1280l20v2-s2048-bican — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve KuanP/brain-uce-pilot-mix-v3-d1280l20v2-s2048-bican --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии