NVIDIA 联合 UW 发布开源蛋白质设计模型 RFD4-Proteina
AllThingsApx · x · 2026-10-21
Databricks 发文介绍 RFD4-Proteina——NVIDIA BioNeMo 与华盛顿大学 Institute for Protein Design（诺奖得主 David Baker 团队）共同开发的开源流匹配模型，可同时生成蛋白质序列与全原子结构，并以分子上下文为条件。
要点：
- Databricks 在 Genesis Workbench 中给出两个示例工作流：抗体设计与疫苗设计，该工作台定位为开放模块化框架，组件可按团队需求改造。
- 模型可选使用奖励引导搜索，把候选序列导向热稳定性、结合亲和力等目标属性。
- 官方明确声明这些是设计示例而非实验结果，计算评估只用于排序候选，湿实验验证仍不可省略，且模型依赖库尚待验证。
所属事件:NVIDIA 联手 Baker 实验室开源 RFD4-Proteina 蛋白质设计模型(35 条相关)→
「研究」频道最新
- OpenAI 模型任务时长基准仅为 METR 趋势的十二分之一，落后约 14 个月 — tobyordoxford · 2026-10-22
- Sitzmann 团队推出 OPAL：智能体在环的反应式训练优化器 — vincesitzmann · 2026-10-22
- 首尔大研究：LLM 闭卷事实错误多是「首 token 回忆失败」,给个开头就能答对 — SeoulNatlUniv · 2026-10-22
- OPAL 让编码 Agent 训练中实时重写优化器,作者称手调时代结束 — vincesitzmann · 2026-10-22
- OPAL 自动设计学习率调度,复杂度比肩 DeepSeek 手调方案 — vincesitzmann · 2026-10-22
- OPAL 演示:发现训练越过最小值,重置动量并回滚 — vincesitzmann · 2026-10-22