SuperAPI AI 工具集

cuequivariance-torch

通用与其它

查看项目

更新于 10-16 02:33

技能介绍

用途:cuequivariance_torch(导入为 cuet)在 PyTorch 中于 GPU 上执行 cuequivariance 多项式,面向等变神经网络(如 GNN、AlphaFold 风格模型)。

主要能力:核心原语 cuet.SegmentedPolynomial 是 torch.nn.Module,支持多种 CUDA 后端;高层算子包括 ChannelWiseTensorProduct、FullyConnectedTensorProduct、Linear、SymmetricContraction、SphericalHarmonics、Rotation、Inversion;图层含 cuet.layers.BatchNorm 与 FullyConnectedTensorProductConv(消息传递);工具含 triangle_attention、triangle_multiplicative_update、attention_pair_bias;导出支持 onnx_custom_translation_table() 与 register_tensorrt_plugins()。

执行方式:"naive" 为纯 PyTorch einsum,任意平台可用;"uniform_1d" 需 GPU 且各操作数段形状一致、单模式;"fused_tp" 需 GPU,支持 3 或 4 操作数收缩,float32/float64;"indexed_linear" 需 GPU,用于带索引权重的线性层且索引需排序。

用法要点:用 cue.descriptors 构建描述符后取 polynomial 创建模块,如 cuet.SegmentedPolynomial(poly, method="uniform_1d"),再以列表传入输入调用。支持 input_indices 做输入收集、output_indices 与 output_shapes 做输出散射累加。math_dtype 可控制计算精度。内存布局由 cue.mul_ir(默认,兼容 e3nn)或 cue.ir_mul 控制,可整体或按操作数指定。

适用场景:等变张量积、球谐、旋转/反演、MACE 风格对称收缩、DiffDock 风格消息传递、AlphaFold2/3 风格三角运算与注意力。

限制:多数 CUDA 后端要求 GPU 与特定 dtype;triangle 系列需 cuequivariance_ops_torch;SymmetricContraction 要求均匀 mul;fused_tp 的 math_dtype 仅 float32/float64。具体安装命令与收费信息暂未提供。