NVIDIA ir Vašingtono universitetas pristato RFD4-Proteina spartesniam baltymų kūrimui su DI
Trumpai: NVIDIA BioNeMo komanda kartu su Vašingtono universiteto Baltymų dizaino institutu pristatė RFD4-Proteina – modelį, kuris vienu metu sugeneruoja tiek baltymo seką, tiek pilną atominę struktūrą, atsisakant atskiro atvirkštinio klostymo (inverse-folding) žingsnio. Dirbdamas su liekanos lygio (residue-level) reprezentacija ir supaprastintu difuzijos procesu, modelis atlieka tik apie 60 žingsnių vietoj maždaug 400, todėl generavimas tampa gerokai greitesnis, o atminties sąnaudos – mažesnės nei ankstesnio modelio RFD3, generuojant 200 liekanų baltymą. Generavimo metu modelis taip pat gali vykdyti apdovanojimu grįstą (reward-guided) paiešką, kuri vertina ir atrenka geriausius dalinius sprendimus naudodama GPU pagreitintus įrankius, tokius kaip OpenFold3 ir TMol. Modelis pateikiamas tiek kaip atvirojo kodo versija GitHub, tiek kaip NIM mikroservisas su HTTP sąsaja, o specialūs įrankiai leidžia automatizuotiems agentams susieti generavimo, paieškos ir vertinimo etapus.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „NVIDIA Developer“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Vienu žingsniu sugeneruoja ir baltymo seką, ir pilną atominę struktūrą, panaikinant atskirą inverse-folding žingsnį
- 2Pereinama prie liekanos lygio latentinės reprezentacijos ir pertvarkyto difuzijos proceso – žingsnių skaičius sumažėja nuo ~400 iki 60
- 3Esant 200 liekanų baltymui, tai duoda apie 3,8 karto greitesnį generavimą ir apie 84% mažesnį didžiausią atminties naudojimą, lyginant su ankstesniu RFD3 modeliu
- 4Įmontuota apdovanojimu grįsta paieška vertina ir tobulina dalinius sprendimus generavimo metu, naudodama CUDA pagreitintus vertinimo įrankius, tokius kaip OpenFold3 ir TMol
- 5Naujas BioIR vykdymo variklis suteikia papildomą 1,37–1,73 karto pagreitį, palyginti su standartiniu kompiliuotu variklis, testuotose Hopper kartos GPU
- 6Siūlomas kaip atvirojo kodo modelis GitHub su pilna kontrole, ir kaip NIM mikroservisas su HTTP API; BioNeMo Agent Toolkit įrankiai leidžia automatizuoti visą generavimo-paieškos-vertinimo ciklą
| Parametras | Buvo | Dabar |
|---|---|---|
| Atrankos žingsniai | ~400 (Proteina-Complexa) | 60 |
| Generavimo greitis, lyginant su RFD3 | 1x | 3,8 karto greičiau esant 200 liekanų |
| Didžiausias atminties naudojimas, lyginant su RFD3 | Bazinis lygis | 84% mažiau esant 200 liekanų |
| Sekos/struktūros kūrimas | Reikalingas atskiras inverse-folding žingsnis (pvz., ProteinMPNN) | Seka ir pilna atominė struktūra kuriami vienu modeliu |
| Variklio pagreitis (BioIR vs standartinis) | 1x | 1,37–1,73 karto testuotose Hopper GPU |
| Diegimo būdai | Nenurodyta | Atvirojo kodo modelis GitHub arba NIM mikroservisas su HTTP sąsaja |
Kodėl tai svarbu?
Skaičiuojamosios biologijos ir vaistų kūrimo komandoms greitesnis ir pigesnis baltymų generavimas su įmontuotu kokybės vertinimu reiškia, kad per tą patį skaičiavimo biudžetą galima išbandyti daugiau dizaino variantų, trumpinant ciklą tarp skaičiuojamojo dizaino ir laboratorinių bandymų.
Šaltiniai
- NVIDIA DeveloperOficialusPirminis šaltinisOriginalus straipsnis →„Design Proteins with RFD4-Proteina Using Reward-Guided Inference-Time Search“2026-10-21 15:30
- Šaltinio publikavimo data
- 2026-10-21 15:30
- Mūsų sistema rado
- 2026-10-21 15:47
- Santrauka sugeneruota
- 2026-10-21 15:48
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas