論文の概要: Design-CP: Context Parallelism for Design of Protein Nanoparticles
- arxiv url: http://arxiv.org/abs/2607.05439v1
- Date: Fri, 03 Jul 2026 15:50:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.2601
- Title: Design-CP: Context Parallelism for Design of Protein Nanoparticles
- Title（参考訳）: 設計-CP:タンパク質ナノ粒子の設計のためのコンテキスト並列性
- Abstract要約: RFdiffusion 3のための2つのコンテキスト並列(CP)推論戦略であるDesign-CPを紹介する。
我々は, 極端から端までの全原子設計において, CP がいかに強い点群対称性の制約を受けるかを示す。
- 参考スコア（独自算出の注目度）: 1.770767758587368
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many all-atom generative protein models can in principle design large multimeric complexes by jointly modelling all chains, but their quadratic token- and atom-pair representations quickly exceed single-GPU memory as the number of chains and residues modelled grows. We introduce Design-CP, two context-parallel (CP) inference strategies for RFdiffusion 3 (1D row-sharding and 2D grid sharding with ring attention) that distribute the quadratic activations across a multi-GPU mesh while preserving pretrained weights. We characterise their scaling when sampling icosahedral assemblies, showing that the maximum feasible asymmetric subunit (ASU) size grows with the expected square-root trend in GPU count and that 2D sharding achieves better wall-clock scaling. Moreover, we show how strong point-group symmetry constraints make CP usable out of the box for end-to-end, all-atom design of icosahedral nanoparticles, yielding favourable in silico structural and interface metrics. Finally, we demonstrate octahedral nanoparticle design on a small cluster of workstation-grade 16GB GPUs, illustrating how Design-CP can be a practical path towards democratising large-assembly protein design.
- Abstract（参考訳）: 多くの全原子生成タンパク質モデルは、すべての鎖を共同でモデル化することで、原則として大規模な多量体複合体を設計することができるが、その2次トークンと原子対表現は、モデル化された鎖と残基の数が増えるにつれて、すぐに単GPUメモリを超える。
RFdiffusion 3(1D行シャーディングとリングアテンション付き2Dグリッドシャーディング)に対する2つのコンテキストパラレル(CP)推論戦略であるDesign-CPを導入する。
我々は,コサヘドラル集合体をサンプリングする際のスケーリングを特徴付け,GPU数で期待される平方根の傾向とともに最大非対称サブユニット(ASU)サイズが増大し,2次元シャーディングによりウォールクロックのスケーリングが向上することを示す。
さらに,コサヘドラルナノ粒子の終端から終端までの全原子設計において,CP の強い点群対称性の制約が有効であることを示し,シリコ構造および界面測定に好適であることを示した。
最後に,ワークステーショングレード16GBGPUの小さなクラスタ上で八面体ナノ粒子の設計を実証し,設計-CPが大規模タンパク質設計の民主化への実践的な道のりを示す。
関連論文リスト
- SimpleDesign: A Joint Model for Protein Sequence and Structure Codesign [53.93453139057735]
データ空間で直接訓練された効果的なマルチモーダルタンパク質設計モデルであるSimpleDesignを提案する。
2M以上のシーケンス構造ペア上でSimpleDesignをトレーニングし、共設計および非条件シーケンス/構造生成ベンチマーク間で強力なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-09-03T05:25:05Z) - Quantum Simulation of the Real-time Dynamics in the multi-flavor Gross-Neveu Model at the utility scale using Superconducting Quantum Computers [2.5315729179239637]
1+1次元のマルチフレーバーGross-Neveuモデルのリアルタイムダイナミクスのための量子シミュレーションフレームワークを提案する。
我々は,全システムサイズではなく,フェミオンフレーバー数でステップごとの回路深度をスケールするハードウェア効率のトロッタライズを開発した。
この研究の中心的な貢献は、局所対角作用素近似 (Localized Diagonal Operator Approximation, LDOA) である。
論文 参考訳（メタデータ） (2026-05-06T21:57:51Z) - PKINet-v2: Towards Powerful and Efficient Poly-Kernel Remote Sensing Object Detection [73.05827565991488]
PKINet-v2は異方性軸ストリップ畳み込みと等方性正方核を共役し、マルチスコープの受容場を構築する。
PKINet-v2 は PKINet-v1 と比較して$bf3.9times$ FPS の高速化を実現している。
論文 参考訳（メタデータ） (2026-03-17T10:17:58Z) - Fold-CP: A Context Parallelism Framework for Biomolecular Modeling [11.44600151695527]
本稿では,文脈並列化フレームワークであるNVIDIA BioNeMo Fold-CPを提案する。
私たちはBoltzモデルをオープンソースリファレンスアーキテクチャとして使用しています。
我々は、密接な三角形の更新と、ウィンドウバッチされた局所的な注意の、不規則でデータに依存しないパターンの両方を効率的に並列化するカスタム多次元プリミティブを実装した。
論文 参考訳（メタデータ） (2026-03-16T04:20:01Z) - A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
分散量子最適化のための構造認識フレームワークを提案する。
検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。
構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
論文 参考訳（メタデータ） (2026-03-08T15:15:52Z) - Metasurface-Based Dual-Basis Polarization Beam Splitter for efficient entanglement witnessing [0.0]
絡み合いの目撃は、計算、鍵分布、ネットワークといった量子技術にとって不可欠である。
空間モードにマッピングすることで、二重基底投影を同時に行うメタサイトベースのアナライザを提案する。
提案手法は,量子鍵分布,量子リピータ,スケーラブルな量子ネットワークに適用可能な,効率的な絡み合い検証への道筋を提供する。
論文 参考訳（メタデータ） (2025-10-04T20:23:25Z) - DualEquiNet: A Dual-Space Hierarchical Equivariant Network for Large Biomolecules [32.33126287600196]
このネットワークはユークリッド空間と球面高調波空間の相補表現を構築し、局所幾何学と大域対称性を考慮した特徴を捉える。
DualEquiNetはRNA特性予測とタンパク質モデリングのための複数の既存のベンチマークで最先端のパフォーマンスを達成し、新しく導入された2つの3D構造ベンチマークで先行手法より優れている。
論文 参考訳（メタデータ） (2025-06-10T07:43:50Z) - Sequence-Augmented SE(3)-Flow Matching For Conditional Protein Backbone Generation [55.93511121486321]
タンパク質構造生成のための新しいシーケンス条件付きフローマッチングモデルFoldFlow-2を紹介する。
我々は、以前の作業のPDBデータセットよりも桁違いに大きい新しいデータセットでFoldFlow-2を大規模にトレーニングします。
我々はFoldFlow-2が従来のタンパク質構造に基づく生成モデルよりも優れていることを実証的に観察した。
論文 参考訳（メタデータ） (2024-05-30T17:53:50Z) - Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳（メタデータ） (2024-02-22T16:33:48Z) - Embed to Control Partially Observed Systems: Representation Learning with Provable Sample Efficiency [105.17746223041954]
部分的に観察されたマルコフ決定過程(POMDP)における強化学習は2つの課題に直面している。
しばしば、未来を予測するのに完全な歴史を要し、地平線と指数関数的にスケールするサンプルの複雑さを誘導する。
本稿では,2段階の表現を最適化しながら学習するETC(Embed to Control)という強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-26T16:34:46Z) - Compilation and scaling strategies for a silicon quantum processor with
sparse two-dimensional connectivity [0.0]
既存のシリコン量子ハードウェアのスケールアップという課題に触発されて,コンパイルオーバーヘッドを最小限に抑えたスピンキュービットアーキテクチャを提案する。
我々のアーキテクチャは、スピン量子ビットの有限1d鎖を形成するシリコンナノワイヤスプリットゲートトランジスタに基づいている。
提案アーキテクチャの特長は、相補的金属酸化物半導体(CMOS)製造プロセスを用いた製造性である。
論文 参考訳（メタデータ） (2022-01-08T19:01:32Z) - HyperSPNs: Compact and Expressive Probabilistic Circuits [89.897635970366]
HyperSPNsは、小規模のニューラルネットワークを使用して大きなPCの混合重量を生成する新しいパラダイムである。
近年の文献で紹介されている2つの最先端PCファミリーに対する正規化戦略のメリットを示す。
論文 参考訳（メタデータ） (2021-12-02T01:24:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。