# RFD4ProteinaTransformer

[RFD4-Proteína](../pipelines/rfd4_proteina)のデノイザーです。サンプラーが積分する2つのモダリティ、すなわちバックボーンのCA座標とトークンごとのローカル潜在変数について、準備済みの分子テンソルから速度を予測します。入力には、名前付きテンソルと、その内容がチェックポイントの設定によって選択される条件付けマッピングが含まれます。構造の解析はこのクラスの範囲外です。

```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[str, ...] = ('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[str, ...] = ('time_emb_bb_ca', 'time_emb_local_latents', 'cath_code', 'recycle_remaining'), feats_pair_repr: tuple[str, ...] = ('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[str, ...] = ('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)
```

[ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L906)

**パラメータ:**

nlayers (`int`、デフォルトは`14`) : トランク層の数。

token_dim (`int`、デフォルトは`768`) : トークン表現の幅。

nheads (`int`、デフォルトは`12`) : 各レイヤーあたりのアテンションヘッド数。

dim_cond (`int`、デフォルトは `256`) : 条件ベクトル（time、recycle index、CATH label）の幅。

pair_repr_dim (`int`、デフォルトは`384`) : ペア表現の幅。

latent_dim (`int`、デフォルトは`32`) : トークンごとのローカル潜在変数の幅。

token_type_emb_dim (`int`、デフォルトは`32`) : トークンタイプ埋め込みの幅。

cath_emb_dim (`int`、デフォルトは`32`) : 各CATHクラス/アーキテクチャ/トポロジー埋め込みの幅。

t_emb_dim (`int`、デフォルトは`256`) : 正弦波時間埋め込みの幅。

seq_sep_dim (`int`、デフォルトは`64`) : ボンドパス長のビン数。

xt_pair_dist_dim (`int`、デフォルトは`30`) : バックボーンのペア距離ビン数。

xt_pair_dist_min (`float`、デフォルトは`0.1`)、xt_pair_dist_max (`float`、デフォルトは`3.0`) : ナノメートル単位のペア距離の範囲。

feats_seq, feats_cond_seq, feats_pair_repr, feats_pair_cond (`list[str]`) : トークン入力、条件付け入力、ペア入力、ペア条件付け入力に射影される特徴の名前。

update_pair_repr_every_n (`int`、デフォルトは`2`) : レイヤー間のトークンからペア表現が更新される頻度。

tri_mult_c (`int`、デフォルトは`256`) : 該当する更新における三角形乗法の隠れ幅。

num_token_types (`int`、デフォルトは`7`) : トークンタイプ語彙のサイズ: protein、RNA、DNA、atomized、unknown、glycan、および非標準アミノ酸。

recycle_conditioning_dim (`int`、デフォルトは`1`) : `feats_cond_seq`に`recycle_remaining`の特徴量が含まれている場合の、そのone-hotの幅。

num_sequence_classes (`int`、デフォルトは`147`) : シーケンスリードアウトが予測する残基語彙のサイズ。

ペアされたバックボーンとローカル・ラテンントのモダリティを備えたRFD4速度デノイザー。

モデルは独自の dtype で実行されます: 低精度推論のために `dtype=torch.bfloat16` で読み込みます。 `forward` に渡されるサンプリング状態は float32 のまま保持され、特徴量埋め込みは float32 で計算され、入力投影時にキャストされます。

#### 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)
```

[ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L1062)

**パラメータ:**

bb_ca (`torch.Tensor`) : ナノメートル単位の、ノイズ付きのバックボーン座標 `(batch, tokens, 3)`。

local_latents (`torch.Tensor`) : ノイズ付きローカル潜在変数 `(batch, tokens, latent_dim)`。

bb_ca_time (`torch.Tensor`) : `(batch,)` バックボーン時間 [0, 1]。

local_latents_time (`torch.Tensor`) : `(batch,)` [0, 1] 範囲のローカル・ラテント時間。

padding_mask (`torch.Tensor`) : `(batch, tokens)`、トークンがパディングではなく実データであることを示すマスク。

token_type (`torch.Tensor`, *任意*) : `(batch, tokens)` の token-type コード。

atom37_mask (`torch.Tensor`, *任意*) : `(batch, tokens, 37)`、アトムスロットが使用されている箇所が true になります。

conditioning (`dict[str, Any]`、*任意*) : プリプロセッサが出力するキーのもとに、残りのトポロジーおよび条件付けテンソルを保持します。読み取られるキーは、チェックポイントの `feats_seq`、`feats_cond_seq`、`feats_pair_repr` および `feats_pair_cond` によって固定されています。設定されたフィーチャーが要求するキーが存在しない場合、エラーを発生させるのではなく、そのフィーチャーは条件付けなしで処理されます。

recycle_depth (`int`、デフォルトは`0`) : トランクパスの回数。0でも1回のパスが実行されます。

attention_kwargs (`dict`、*省略可*) : この呼び出しの LoRA スケールとして、`scale` のみが読み取られます。

return_dict (`bool`、デフォルトは`True`) : 型付きの出力、または None 以外のフィールドのタプルを返します。

**戻り値:** `RFD4ProteinaTransformerOutput` または `tuple`

スケジューラー統合前の、Backbone/local-latent の速度および任意のシーケンス/挿入 logits。

サンプラーを進行させずに、準備済みの分子テンソルから速度を予測します。

## 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)
```

[ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_rfd4_proteina.py#L890)

**パラメータ:**

backbone (`torch.Tensor`) : バックボーンの速度。形状は`(batch, tokens, 3)`で、単位時間あたりのナノメートルです。

local_latents (`torch.Tensor`) : 形状が `(batch, tokens, latent_dim)` の潜在速度。

sequence_logits (`torch.Tensor`, *任意*) : 形が `(batch, tokens, 147)` の Residue logits。

insertion_logits (`torch.Tensor`, *任意*) : 形状が`(batch, tokens, tokens)`の挿入アサインメントのlogits。

スケジューラー統合前のDenoiserの予測。