David Baker 团队开源 tmol:Rosetta 力场 GPU 加速,批量吞吐提升362倍
AllThingsApx · x · 2026-11-19
蛋白质设计领域发布 tmol(arXiv:2611.21857),一个 GPU 原生的 PyTorch 库,实现了最先进的 RosettaGenFF 力场,作者包括 Andrew Leaver-Fay、Kieran Didi、David Baker、Frank DiMaio 等。
- 动机:物理启发力场在训练分布之外泛化优于生成式模型,但评估慢、导数难以接入 ML 框架。
- 能力:支持高效的批量可微打分与全结构精修,批量模式下吞吐量最高提升 362 倍。
- 效果:作为生成式蛋白质设计的 reward 使用时,能增加设计界面上的氢键与水桥数量。
- 安装:pip install tmol(CPU)或 pip install "tmol[cu12]" / "tmol[cu13]"(GPU),代码与文档已开源。
社区评价称 TMol 曾是 RFD4-Proteina 的「秘密武器」,实现了在 GPU 上统一 AI 与物理模拟的能力。
所属事件:David Baker 团队开源 tmol:GPU 加速 Rosetta 力场(2 条相关)→
「研究」频道最新
- 谷歌开源 TPU 协同设计指南:八条原则榨干 LLM 与 MoE 训推性能 — rseroter · 2026-11-19
- 社区称 TMol 是 RFD4-Proteina 的秘密武器,GPU 上统一 AI 与物理 — AllThingsApx · 2026-11-19
- 微软研究院播客:Horvitz、Topol 对谈 AI 如何重塑医学未来 — erichorvitz · 2026-11-19
- CMU 研究日常 AI 工具引发不健康情感依恋,拟建预警干预机制 — mynkgoel · 2026-11-19
- 仿真器误设导致过度自信:SPEED+ 基准上的sim2real方向性稳健性研究 — Nikolay Dolgov · 2026-11-19
- Multi-Branch Transformer:分支并行扩展 LLM,解码提速 51.4% — _akhaliq · 2026-11-19