diffusers/main/id/api/models/rfd4_proteina_autoencoder.md

RFD4ProteinaAutoencoder

Autoencoder dari RFD4-Proteína. encode memetakan koordinat atom37 ke latens lokal per-token, dan decode mengubah latens dan posisi backbone kembali menjadi struktur atom37 dan identitas residu. Ia didaftarkan dalam pipeline sebagai vae.

from diffusers import RFD4ProteinaAutoencoder

vae = RFD4ProteinaAutoencoder.from_pretrained("nvidia/RFD4-Proteina-Diffusers", subfolder="vae")

RFD4ProteinaAutoencoder[[diffusers.RFD4ProteinaAutoencoder]]

diffusers.RFD4ProteinaAutoencoder[[diffusers.RFD4ProteinaAutoencoder]]

diffusers.RFD4ProteinaAutoencoder(atom37_mask: collections.abc.Sequence[collections.abc.Sequence[bool]], allowed_residue_types: collections.abc.Sequence[collections.abc.Sequence[bool]], latent_dim: int = 32, n_residue_types: int = 147, num_token_types: int = 7, nlayers: int = 12, token_dim: int = 768, nheads: int = 12, dim_cond: int = 128, pair_repr_dim: int = 256, token_type_emb_dim: int = 32, encoder_feats_seq: tuple[str, ...] = ('token_type', 'x1_a37coors_nm', 'x1_a37coors_nm_rel', 'chain_idx_seq', 'incident_bond_type_counts', 'atom37_element_charge_embedding'), decoder_feats_seq: tuple[str, ...] = ('ca_coors_nm', 'z_latent_seq', 'token_type', 'cond_residue_type'))

Sumber

Parameter:

latent_dim (int, defaultnya 32) : Lebar dari latent lokal per-token.

n_residue_types (int, defaultnya 147) : Ukuran kosakata residu.

num_token_types (int, defaultnya 7) : Ukuran kosakata tipe token: protein, RNA, DNA, atomized, unknown, glycan, dan asam amino non-kanonik.

allowed_residue_types (list[list[bool]]) : tabel (num_token_types, n_residue_types) dari kelas residu yang dapat didekodekan oleh setiap tipe token.

nlayers (int, defaultnya 12) : Lapisan trunk di masing-masing encoder dan decoder.

token_dim (int, defaultnya 768) : Lebar representasi token.

nheads (int, defaultnya 12) : Jumlah kepala perhatian per lapisan.

dim_cond (int, defaultnya 128) : Lebar dari vektor kondisioning (tidak digunakan, nol).

pair_repr_dim (int, defaultnya 256) : Lebar pasangan yang digunakan untuk membangun lapisan trunk. Autoencoder yang dirilis tidak menggunakan bias pasangan, sehingga parameter ini tidak menyimpan parameter apa pun.

token_type_emb_dim (int, defaultnya 32) : Lebar embedding tipe token.

encoder_feats_seq, decoder_feats_seq (list[str]) : Fitur yang diproyeksikan ke input encoder dan decoder.

atom37_mask (list[list[bool]]) : Slot atom37 yang valid untuk setiap tipe residu, dengan bentuk (n_residue_types, 37).

Encoder molekul berpasangan dan decoder atom37.

Koordinat yang diberikan ke dan dikembalikan oleh model ini dalam satuan nanometer.

encode[[diffusers.RFD4ProteinaAutoencoder.encode]]

encode(coords_nm: Tensor, padding_mask: Tensor, token_type: typing.Optional[torch.Tensor] = None, atom37_mask: typing.Optional[torch.Tensor] = None, conditioning: dict[str, typing.Any] | None = None, generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = None, return_dict: bool = True)

Sumber

Parameter:

coords_nm (torch.Tensor) : (batch, tokens, 37, 3) koordinat atom37 dalam nanometer.

padding_mask (torch.Tensor) : (batch, tokens), bernilai true di mana token tersebut asli, bukan padding.

token_type (torch.Tensor, opsional) : kode tipe token (batch, tokens).

atom37_mask (torch.Tensor, opsional) : (batch, tokens, 37), bernilai true di mana slot atom digunakan.

conditioning (dict[str, Any], opsional) : Tensor topologi dan kondisioning yang tersisa, di bawah kunci yang dihasilkan oleh preprocessor.

generator (torch.Generator atau list[torch.Generator], opsional) : Satu generator per baris batch untuk sampel laten stokastik yang independen. Tanpa generator ini, pengambilan sampel dilakukan dari aliran global.

return_dict (bool, defaultnya True) : Mengembalikan output bertipe, atau tuple dari field-fieldnya.

Mengembalikan: RFD4ProteinaEncoderOutput atau tuple

Tensor laten, rata-rata, dan skala log dengan bentuk (batch, tokens, latent_dim).

Enkode koordinat yang telah disiapkan dan kondisioning menjadi latens lokal per-token yang disampel.

decode[[diffusers.RFD4ProteinaAutoencoder.decode]]

decode(z_latent: Tensor, ca_coors_nm: Tensor, padding_mask: Tensor, token_type: typing.Optional[torch.Tensor] = None, atom37_mask: typing.Optional[torch.Tensor] = None, conditioning: dict[str, typing.Any] | None = None, return_dict: bool = True)

Sumber

Parameter:

z_latent (torch.Tensor) : (batch, tokens, latent_dim) latens lokal per-token.

ca_coors_nm (torch.Tensor) : (batch, tokens, 3) posisi CA backbone dalam nanometer.

padding_mask (torch.Tensor) : (batch, tokens), bernilai true di mana token tersebut asli, bukan padding.

token_type (torch.Tensor, opsional) : kode tipe token (batch, tokens).

atom37_mask (torch.Tensor, opsional) : (batch, tokens, 37), bernilai true di mana slot atom digunakan.

conditioning (dict[str, Any], opsional) : Tensor topologi dan kondisioning yang tersisa, di bawah kunci yang dihasilkan oleh preprocessor. Kondisi sekuens dibaca dari sini.

return_dict (bool, defaultnya True) : Mengembalikan output bertipe, atau tuple dari field-fieldnya.

Mengembalikan: RFD4ProteinaDecoderOutput atau tuple

Koordinat (batch, tokens, 37, 3) dalam nanometer, tipe residu (batch, tokens), emission mask (batch, tokens) dan atom mask (batch, tokens, 37). Koordinat atom yang tidak diemisi bernilai nol.

Decode latens per-token dan posisi backbone menjadi struktur atom37.

forward[[diffusers.RFD4ProteinaAutoencoder.forward]]

forward(z_latent: Tensor, ca_coors_nm: Tensor, padding_mask: Tensor, token_type: typing.Optional[torch.Tensor] = None, atom37_mask: typing.Optional[torch.Tensor] = None, conditioning: dict[str, typing.Any] | None = None, return_dict: bool = True)

Sumber

Parameter:

z_latent (torch.Tensor) : (batch, tokens, latent_dim) latens lokal per-token.

ca_coors_nm (torch.Tensor) : (batch, tokens, 3) posisi CA backbone dalam nanometer.

padding_mask (torch.Tensor) : (batch, tokens), bernilai true di mana token tersebut asli, bukan padding.

token_type (torch.Tensor, opsional) : kode tipe token (batch, tokens).

atom37_mask (torch.Tensor, opsional) : (batch, tokens, 37), bernilai true di mana slot atom digunakan.

conditioning (dict[str, Any], opsional) : Tensor topologi dan kondisioning yang tersisa.

return_dict (bool, defaultnya True) : Mengembalikan output bertipe, atau tuple dari field-fieldnya.

Mengembalikan: RFD4ProteinaDecoderOutput atau tuple

Koordinat yang didekodekan, jenis residu, dan mask atom/emit.

Decode latens per-token dan posisi backbone; setara dengan memanggil decode().

RFD4ProteinaEncoderOutput[[diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaEncoderOutput]]

diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaEncoderOutput[[diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaEncoderOutput]]

diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaEncoderOutput(latent: Tensor, mean: typing.Optional[torch.Tensor] = None, log_scale: typing.Optional[torch.Tensor] = None)

Sumber

Parameter:

latent (torch.Tensor) : Sampel mean + noise * exp(log_scale), nol di luar token laten yang dipancarkan.

mean (torch.Tensor) : rata-rata Gaussian, nol di luar token laten yang dipancarkan.

log_scale (torch.Tensor) : Deviasi standar log, bernilai nol di luar token laten yang dihasilkan.

Parameter laten yang disampelkan dan Gaussian, masing-masing berbentuk (batch, tokens, latent_dim).

RFD4ProteinaDecoderOutput[[diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaDecoderOutput]]

diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaDecoderOutput[[diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaDecoderOutput]]

diffusers.models.autoencoders.autoencoder_rfd4_proteina.RFD4ProteinaDecoderOutput(coordinates: Tensor, residue_type: typing.Optional[torch.Tensor] = None, emit_mask: typing.Optional[torch.Tensor] = None, atom_mask: typing.Optional[torch.Tensor] = None)

Sumber

Parameter:

coordinates (torch.Tensor) : Koordinat (batch, tokens, 37, 3) dalam nanometer; atom yang tidak dipancarkan bernilai nol.

residue_type (torch.Tensor) : Indeks kosakata residu dengan bentuk (batch, tokens).

emit_mask (torch.Tensor) : Mask token yang dipancarkan berbentuk (batch, tokens).

atom_mask (torch.Tensor) : Mask atom valid Boolean dengan bentuk (batch, tokens, 37).

Koordinat molekul yang didekode dan topologi atom37 diskrit.