用途：把 BoltzGen 从 CUDA 迁移到昇腾 NPU，完成生成式蛋白设计与逆折叠流程的部署与复现。
主要能力：给出前置条件（Ascend 910、NPU 驱动、CANN Toolkit、Linux aarch64、conda、Python 3.11、PyTorch 2.1.0 与 torch_npu 2.1.0.post17 严格配套）；列出需预先放到 ~/.cache/ 的权重文件（boltzgen1_diverse.ckpt、boltzgen1_adherence.ckpt、boltzgen1_ifold.ckpt、boltz2_conf_final.ckpt、mols.zip）及打包方法；提供 conda 环境、依赖安装、CANN 环境变量设置和 NPU 验证命令；通过 transfer_to_npu 劫持 CUDA API，新增 npu_kernels.py 以标准 PyTorch 算子实现 cuequivariance_torch 的 triangle attention 与 triangle multiplicative update，并在 triangular.py、primitives.py 中按设备类型分发；修补 get_device_capability、numpy/torch 类型比较，注释 CUDA 专属依赖。
使用方式：激活环境并设置环境变量后，克隆仓库、安装项目并运行，例如 pip install -e .；推理示例为 boltzgen run example/vanilla_protein/1g13prot.yaml --output workbench/test_run --protocol protein-anything --num_designs 100 --budget 5 --devices 1 --num_workers 0。可用 python scripts/check_boltzgen_assets.py --cache-dir ~/.cache --check-runtime 检查缓存与运行时。
适用场景：在昇腾 NPU 上离线或受控环境复现 BoltzGen 设计、逆折叠、折叠、分析与筛选全流程；单元测试预期 44 passed。
限制：NPU 下 --num_workers 必须为 0；transfer_to_npu 会禁用 TorchScript；torch/torch_npu/CANN 版本须严格匹配；use_kernels 可显式开关；具体硬件与版本以实际资料为准，其他参数未提供。