# RFD4ProteinaTransformer

[RFD4-Proteína](../pipelines/rfd4_proteina)의 denoiser입니다. sampler가 적분하는 두 가지 모달리티, 즉 backbone CA 위치와 토큰별 local latents의 velocities를 준비된 분자 텐서로부터 예측합니다. 입력은 이름이 지정된 텐서와 checkpoint 구성이 내용을 선택하는 conditioning mapping이며, 구조 파싱은 이 클래스의 범위에 포함되지 않습니다.

```py
from diffusers import RFD4ProteinaTransformer

transformer = RFD4ProteinaTransformer.from_pretrained(
    "nvidia/RFD4-Proteina-Diffusers", subfolder="transformer"
)
```

## RFD4ProteinaTransformer[[diffusers.RFD4ProteinaTransformer]]

#### diffusers.RFD4ProteinaTransformer[[diffusers.RFD4ProteinaTransformer]]

```python
diffusers.RFD4ProteinaTransformer(nlayers: int = 14, token_dim: int = 768, nheads: int = 12, dim_cond: int = 256, pair_repr_dim: int = 384, latent_dim: int = 32, token_type_emb_dim: int = 32, cath_emb_dim: int = 32, t_emb_dim: int = 256, seq_sep_dim: int = 64, xt_pair_dist_dim: int = 30, xt_pair_dist_min: float = 0.1, xt_pair_dist_max: float = 3.0, feats_seq: tuple = ('xt_bb_ca', 'xt_local_latents', 'token_type', 'sequence_probabilities', 'cond_a37coors_nm', 'cond_a37coors_internal_nm', 'rasa_binned', 'secondary_structure', 'hbond_modernized', 'pistack', 'pication', 'saltbridge', 'hydrophobic', 'metal_coord', 'na_ss_state', 'hotspot', 'atom_charge', 'atomic_element', 'coord_group_seq', 'chirality', 'chain_centroid_xyz'), feats_cond_seq: tuple = ('time_emb_bb_ca', 'time_emb_local_latents', 'cath_code', 'recycle_remaining'), feats_pair_repr: tuple = ('xt_bb_ca_pair_dists', 'bond_mask', 'bond_order', 'is_aromatic', 'index_group_pair', 'molecule_idx_pair', 'molecule_entity_pair', 'token_bond_path_length', 'canonical_polymer_ordering', 'na_ss_pair'), feats_pair_cond: tuple = ('time_emb_bb_ca', 'time_emb_local_latents'), update_pair_repr_every_n: int = 2, tri_mult_c: int = 256, num_sequence_classes: int = 147, num_token_types: int = 7, recycle_conditioning_dim: int = 1)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L906)

**매개변수:**

nlayers (`int`, 기본값 `14`) : 트렁크 레이어의 수.

token_dim (`int`, 기본값 `768`) : 토큰 표현의 폭입니다.

nheads (`int`, 기본값 `12`) : 레이어당 어텐션 헤드 수.

dim_cond (`int`, 기본값 `256`) : 조건 벡터(시간, 재사용 인덱스, CATH 라벨)의 폭.

pair_repr_dim (`int`, 기본값 `384`) : 페어 표현 폭.

latent_dim (`int`, 기본값 `32`) : 토큰별 로컬 잠재 변수의 폭.

token_type_emb_dim (`int`, 기본값 `32`) : 토큰 유형 임베딩 폭.

cath_emb_dim (`int`, 기본값 `32`) : 각 CATH 클래스/아키텍처/토폴로지 임베딩의 너비.

t_emb_dim (`int`, 기본값 `256`) : Sinusoidal time embedding의 폭입니다.

seq_sep_dim (`int`, 기본값 `64`) : bond-path-length bin의 수.

xt_pair_dist_dim (`int`, 기본값 `30`) : 백본 pair-distance bin의 수.

xt_pair_dist_min (`float`, 기본값 `0.1`), xt_pair_dist_max (`float`, 기본값 `3.0`) : 나노미터 단위 쌍 거리 범위.

feats_seq, feats_cond_seq, feats_pair_repr, feats_pair_cond (`list[str]`) : 토큰, 조건, 쌍 및 쌍-조건 입력으로 투영되는 특징의 이름.

update_pair_repr_every_n (`int`, 기본값 `2`) : 레이어 간 토큰에서 페어 표현이 업데이트되는 주기.

tri_mult_c (`int`, 기본값 `256`) : 해당 업데이트에서 삼각 곱셈의 숨겨진 폭(hidden width)입니다.

num_token_types (`int`, 기본값 `7`) : 토큰 유형 어휘의 크기: 단백질, RNA, DNA, 원자화, 미지, 당류 및 비정형 아미노산.

recycle_conditioning_dim (`int`, 기본값 `1`) : `feats_cond_seq`에 해당 기능이 포함된 경우, `recycle_remaining` 원-핫 인코딩의 폭입니다.

num_sequence_classes (`int`, 기본값 `147`) : 시퀀스 리드아웃이 예측하는 잔기 어휘의 크기입니다.

페어링된 백본과 로컬-잠재 모달리티를 갖춘 RFD4 속도 디노이저.

모델은 자체 dtype로 실행됩니다: 저정밀도 추론을 위해 `dtype=torch.bfloat16`로 로드하세요. `forward`에 전달되는 샘플링 상태는 float32로 유지되며, 특징 임베딩은 float32로 계산된 후 입력 투영에서 캐스팅됩니다.

#### forward[[diffusers.RFD4ProteinaTransformer.forward]]

```python
forward(bb_ca: Tensor, local_latents: Tensor, bb_ca_time: Tensor, local_latents_time: 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, recycle_depth: int = 0, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L1062)

**매개변수:**

bb_ca (`torch.Tensor`) : 나노미터 단위 노이시 백본 좌표 `(batch, tokens, 3)`.

local_latents (`torch.Tensor`) : 노이즈가 포함된 로컬 라텐트 `(batch, tokens, latent_dim)`.

bb_ca_time (`torch.Tensor`) : `(batch,)` [0, 1] 범위의 backbone 시간.

local_latents_time (`torch.Tensor`) : `(batch,)` [0, 1] 범위의 local-latent 시간.

padding_mask (`torch.Tensor`) : `(batch, tokens)`, 토큰이 패딩이 아닌 실제 토큰인 위치가 true인 값.

token_type (`torch.Tensor`, *선택 사항*) : `(batch, tokens)` 토큰 유형 코드.

atom37_mask (`torch.Tensor`, *선택 사항*) : `(batch, tokens, 37)`, 원자 슬롯이 사용된 위치에서 true입니다.

conditioning (`dict[str, Any]`, *선택 사항*) : 전처리자가 출력하는 키 아래에 있는 나머지 토폴로지 및 조건 텐서입니다. 이 중 어떤 것이 읽히는지 체크포인트의 `feats_seq`, `feats_cond_seq`, `feats_pair_repr`, `feats_pair_cond`에 의해 고정됩니다. 구성된 기능이 요청하는 키가 없는 경우 해당 기능이 조건 없이 처리되며 예외가 발생하지 않습니다.

recycle_depth (`int`, 기본값 `0`) : 트렁크 패스 횟수; 0이어도 패스가 한 번 실행됩니다.

attention_kwargs (`dict`, *선택 사항*) : 이 호출의 LoRA scale로 `scale`만 읽습니다.

return_dict (`bool`, 기본값은 `True`) : 타입이 지정된 출력 또는 None이 아닌 필드의 튜플을 반환합니다.

**반환값:** `RFD4ProteinaTransformerOutput` 또는 `tuple`

Scheduler 통합 전의 Backbone/local-latent 속도와 선택적 sequence/insertion logits입니다.

샘플러를 진행하지 않고 준비된 분자 텐서에서 속도를 예측합니다.

## RFD4ProteinaTransformerOutput[[diffusers.models.transformers.transformer_rfd4_proteina.RFD4ProteinaTransformerOutput]]

#### diffusers.models.transformers.transformer_rfd4_proteina.RFD4ProteinaTransformerOutput[[diffusers.models.transformers.transformer_rfd4_proteina.RFD4ProteinaTransformerOutput]]

```python
diffusers.models.transformers.transformer_rfd4_proteina.RFD4ProteinaTransformerOutput(backbone: Tensor, local_latents: typing.Optional[torch.Tensor] = None, sequence_logits: typing.Optional[torch.Tensor] = None, insertion_logits: typing.Optional[torch.Tensor] = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L890)

**매개변수:**

backbone (`torch.Tensor`) : `(batch, tokens, 3)` 형태의 Backbone 속도, 단위 시간당 나노미터.

local_latents (`torch.Tensor`) : `(batch, tokens, latent_dim)` 형태의 Latent velocity.

sequence_logits (`torch.Tensor`, *선택 사항*) : `(batch, tokens, 147)` 모양의 잔류 로짓.

insertion_logits (`torch.Tensor`, *선택 사항*) : `(batch, tokens, tokens)` 모양의 삽입 할당 logits.

…