RFD4 潜空间用物理数据训练,经力场反传通过 TMol 监督
AllThingsApx · x · 2026-10-22
RFD4-Proteina 团队披露其模型架构细节：潜空间是物理信息驱动的，训练数据包括合成 PDB（含糖链构象）与来自 OMol 的 DFT 小分子数据，并通过 TMol（Rosetta 社区出品的 GPU 物理打分系统）以力场反向传播监督自编码器。新任务只需更换输入条件即可。TMol 曾获 openfold 支持，近期仓库非常活跃。
所属事件:RFD4 潜空间融合力场与折叠模型，物理先验成为核心(2 条相关)→
「研究」频道最新
- 无反向传播预训练 10 天提速 4000 倍，验证损失已击败 Adam — burny_tech · 2026-10-23
- Arc Institute 发布 COMPASS:用基因组语言模型绘制非编码 DNA 功能图谱 — anshulkundaje · 2026-10-23
- FDA 批准个性化新抗原癌症疫苗：每位患者产品皆不同 — alex_peys · 2026-10-23
- VIPerturb-seq 更新:10x Genomics 将推商业化单细胞 CRISPR 筛选产品 — anshulkundaje · 2026-10-23
- 新论文用二次模型复现 Transformer 训练 loss 尖峰，直指成因本质 — CSProfKGD · 2026-10-23
- 扩散模型教科书团队将把教程升级为 NeurIPS 2026 扩散 LLM 专场 — mittu1204 · 2026-10-23