在昇腾 Ascend 910(npu:0)上,以官方 multimolecule/ufold 权重(固定 revision
538de5c2f48e56731c092e40d54c641ff84a2154)运行 RNA 二级结构预测的真实前向推理。
本仓库是一份可直接交付的精简适配,仅包含运行脚本、依赖清单、权重下载产物清单与输出结果,
不含权重文件、缓存、凭据或失败日志。
multimolecule 是分子生物学大模型统一框架;其 UfoldModel 复刻了
uci-cbcl/UFold 的 U-Net 结构,输入为
RNA 序列的 one-hot 表示(16 通道外积特征 + 1 通道配对先验),输出 [1, L, L]
的碱基对接触 logits 与接触概率图。本项目固定权重 revision,在昇腾 NPU 上完成
[1, 74, 4] float32 inputs_embeds + attention_mask 的端到端推理,并严格校验
权重文件(大小 + SHA256)。
538de5c2f48e56731c092e40d54c641ff84a2154,仅使用
model.safetensors,不下载 / 不生成 pytorch_model.bin,不替换 checkpoint。34609772 bytes,SHA256
8a8702535e21c58cbb8667a4b503c18b8dc7c67fa574a1460acc3465ce4bad9e,不满足即中止。RnaTokenizer、UfoldModel、UfoldConfig 全部走
multimolecule 顶层公开导入,不使用子模块导入或伪造依赖。inputs_embeds、
attention_mask 移入 npu:0;模型 eval().to('npu:0')。UfoldModel.forward,首轮 use_postprocess=False
(contact_map = sigmoid(logits))。flock -x -w 1800 /tmp/ascend-model-agent-npu-v1.lock 之内,避免多进程并发争抢设备。[1, 74, 74],记录数值范围、对称误差、
最高分接触对与同步耗时。adapt-multimolecule-ufold/
├── README.md # 本说明(中文九段式)
├── requirements.txt # 应用依赖(仅缺失项)
├── inference.py # NPU 推理脚本(唯一入口)
├── weights/ # 权重与配置文件(下载产物,不入库)
│ ├── config.json
│ ├── tokenizer_config.json
│ ├── vocab.txt
│ └── model.safetensors # 34,609,772 bytes
└── outputs/
└── inference_results.json # 唯一真实推理结果/usr/local/python3.11.14)2.9.0+cpu、torch_npu 2.9.0.post1+gitee7ba04、CANN 8.5.1
(均已预装,本仓库不改动)4.57.6(匹配 multimolecule 0.2.1)0.2.1(唯一新增的模型框架依赖)执行 pip install -r requirements.txt 仅补缺失项,绝不降级 / 覆盖 torch、torch_npu、CANN。
固定 revision 的四个文件从 https://alpha.hf-mirror.com/multimolecule/ufold/resolve/<revision>/
下载(国内镜像;原站 huggingface.co 直连不可达)。权重为唯一大文件:
sha256sum weights/model.safetensors
# 8a8702535e21c58cbb8667a4b503c18b8dc7c67fa574a1460acc3465ce4bad9e
stat -c %s weights/model.safetensors # 34609772inference.py 启动即校验大小与 SHA256,不匹配即退出并写入 error 结果。
# 1) 安装依赖(仅新增缺失项)
pip install -r requirements.txt
# 2) 运行推理(内部已对 NPU 全程加 flock 串行)
python3 inference.py脚本流程:
model.safetensors(大小 + SHA256);RnaTokenizer 核对词表,并手工按 A/C/G/U/N 查表构造
inputs_embeds [1,74,4] float32 与 attention_mask [1,74](不加任何特殊 token,
与任务给定的 74 长度精确一致);flock 加锁 → 初始化 torch_npu、npu:0 → 加载 UfoldConfig + UfoldModel,
load_state_dict(strict=True) 装入 safetensors → eval().to('npu:0');use_postprocess=False),同步后统计并写出 outputs/inference_results.json。outputs/inference_results.json(唯一真实结果)包含:
| 字段 | 说明 |
|---|---|
checks.weights | 权重大小 / SHA256 校验结果 |
checks.tokenizer / checks.config | 词表与模型配置核对 |
checks.all_tensors_on_npu | inputs_embeds / attention_mask / logits / contact_map / 参数均在 npu |
stats.logits / stats.contact_map | 数值范围(min / max / mean) |
stats.symmetry_error | logits 与 contact_map 相对其转置的最大 / 平均绝对差 |
stats.top_contact | 最高分接触对 (i, j) 及其反向对称值与差异 |
timing | CPU 预处理、前向同步、总耗时 |
预期形状:logits [1,74,74]、contact_map [1,74,74](脚本中断言)。
min_size=80 与 size_multiple=16 的
对齐长度再送入 U-Net,输出经 _crop_batch 裁回真实长度 74,故 logits / contact_map
恒为 [1,74,74]。A/C/G/U/N(id 0–4),
bos_token_id=1、eos_token_id=2、pad_token_id=0、mask_token_id=4、
null_token_id=5。RnaTokenizer 默认会在序列首尾加特殊 token,为精确对齐
[1,74,4],本脚本手工逐碱基查表构造 one-hot,不加特殊 token。use_postprocess=False,contact_map 为
sigmoid(logits) 概率图;如需约束后处理,可令 use_postprocess=True
(模型内置 100 步拉格朗日迭代,耗时显著增加)。multimolecule/ufold(固定 revision 538de5c2f48e56731c092e40d54c641ff84a2154),
复刻自 uci-cbcl/UFold。

