Cómo Quantori utiliza Nebius AI Cloud
Quantori entrena un modelo de difusión equivariante en un clúster de GPU en la nube de Nebius para generar moléculas 3D que coincidan con la forma de una estructura de referencia. Después, un modelo Structure Seer preentrenado predice los enlaces, lo que apoya el descubrimiento de fármacos y el diseño de materiales.
Ver la prueba capturadaEl uso: cómo Quantori implementa Nebius AI Cloud
Quantori trains an equivariant diffusion model on a Nebius cloud GPU cluster to generate 3D molecules that match the shape of a reference structure. A pre-trained Structure Seer model then predicts the bonds, supporting drug discovery and material design.
Otros resultados publicados
Cifras publicadas en el caso de estudio de Nebius AI Cloud. usedby no las mide de forma independiente.
the GPU capacity allowed training on a dataset containing 1.6 million compounds
After 1,500 epochs (about 13.5 days) of training
more than 99.8% are unique in reference to the training dataset
an average shape-similarity to the reference of 0.54
Clientes de Nebius AI Cloud en Servicios de TI e integración de sistemas
Empresas del mismo sector, con pruebas públicas.
Ver todos los clientes de Nebius AI CloudConsultar la fuente
Basado en el caso de éxito publicado por Nebius AI Cloud. Verificamos las pruebas públicas; los resultados son los que declara el proveedor.
nebius.com- Última verificación
- 20 nov 2026
Abrir la captura Lo que dice la historia, y lo que verificamos
Lo que comparamos con la página.
- La cifra: 2.1 secondsVerificado
La cifra está en la página; su etiqueta es redacción nuestra.
- El pasaje citado arribaVerificado
Copiado palabra por palabra de la página, cerca del nombre de Quantori.
- Los números de nuestro resumenVerificado
Cada uno está impreso en la página.
- Quantori usa Nebius AI CloudVerificado
Línea de nivel Confirmado.
- El resultado en síNo verificado
Lo citamos; no lo medimos.
The quick provisioning and easy configuration of these resources enabled Quantori to set up training and evaluation with minimal effort, while the GPU capacity allowed training on a dataset containing 1.6 million compounds, ultimately leading to better model quality.

