К содержимому
Другое

E(n) Equivariant Graph Neural Network

претренированные веса для 3D динамики частиц

1 мин чтенияобновлено

Модель реализует E(n) Equivariant Graph Neural Network (графовая нейросеть с инвариантностью к вращениям и трансляциям в 3D) для молекулярных конформаций, систем частиц и гамильтоновой динамики. Набор весов включает геометрик-месседж-пассинг движок (geometric message-passing inference engine) с архитектурой из 4 эквивариантных слоев. Веса занимают всего 80.6 KB и поставляются в нативном формате safetensors. Модель пригодится исследователям и разработчикам, работающим с 3D симуляциями и молекулярным моделированием.

Ключевые особенности

  • Node Features $d_h$: 16 инвариантных скалярных признаков (масса, заряд, тип атома)
  • Edge Features $d_m$: 32-мерное радиальное представление сообщений
  • Equivariant Layers: 4 непрерывных блока передачи сообщений по координатам
  • Cutoff Radius: пороговое значение радиуса радиального графа 2.8 Å

Что можно сделать

  • Предсказать следующие координаты и скорости для систем частиц с помощью Python-библиотеки
  • Использовать веса для моделирования 3D молекулярных конформаций и физических систем
  • Протестировать движок с помощью сопутствующего интерактивного 3D Studio пространства

Пример

import json
import numpy as np
from safetensors.numpy import load_file
from egnn_3d import EGNN3dDynamicsEngine

tensors = load_file("model.safetensors")
with open("config.json", "r") as f:
    config = json.load(f)

engine = EGNN3dDynamicsEngine(tensors, config)
N = 8
h = np.random.randn(N, 16).astype(np.float32)
x = np.random.randn(N, 3).astype(np.float32)

x_next, v_pred = engine.predict_displacements(h, x)
print("Updated coordinates:", x_next.shape)
ПодробнееОтносительная остаточная погрешность вращения: < 10^{-6}%
Активация: SiLU / Swish
Формат весов: model.safetensors (80.6 KB)
Обсудить Telegram 0 20

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # At1uri/egnn-equivariant-3d-dynamics-engine
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download At1uri/egnn-equivariant-3d-dynamics-engine --local-dir ~/models/egnn-equivariant-3d-dynamics-engine
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к egnn-equivariant-3d-dynamics-engine
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии egnn-equivariant-3d-dynamics-engine — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

At1uri/egnn-equivariant-3d-dynamics-engine
Автор
At1uri
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии