К содержимому
Другое

Walrus-Heart

прогнозирование электрических волн в сердечной ткани

2 мин чтения

Модель Walrus-Heart создана на базе физической фундаментной модели Walrus (1.3B параметров от Polymathic AI) и дообучена предсказывать электрические волны в сердечной ткани. Она имитирует нормальные сокращения, преждевременные сокращения и спиральные волны повторного входа, характерные для желудочковой тахикардии, на здоровой, фиброзной и рубцовой ткани. Модель отличается от базовой версии тем, что адаптирована под специфические биофизические задачи кардиологии и использует новые полевые эмбеддинги. Она пригодится исследователям в области цифровых двойников сердца и физического машинного обучения.

Ключевые особенности

  • Дообучение Walrus: адаптация 1.3-миллиардной физической модели под динамику электрической активности сердца.
  • Эффективность претрейна: превосходит аналоги, обученные с нуля, даже при использовании в 8 раз меньшего объема данных.
  • Работа со структурой ткани: учитывает проводимость, напряжение и уровень восстановления ткани в формате 2D-сетки.
  • Готовые чекпоинты: доступны веса для разных конфигураций обучения и длительности тренировок.

Что можно сделать

  • Запустить интерактивную песочницу: протестировать физическую симуляцию в демонстрационном пространстве модели.
  • Анализировать распространение волн: исследовать симуляции нормального ритма и аритмий на виртуальной ткани.
  • Интегрировать в пайплайн: использовать код загрузки и конфигурации для собственных экспериментов с моделью Walrus.
  • Изучить в учебных целях: использовать симуляции и датасет для исследовательских проектов по моделированию сердечной деятельности.

Пример

# pip install "walrus @ git+[https://github.com/PolymathicAI/walrus@73f2cf6b4c5871c8f5434802725b55666c66b5ab](https://github.com/PolymathicAI/walrus@73f2cf6b4c5871c8f5434802725b55666c66b5ab)" huggingface_hub safetensors
import json
from huggingface_hub import hf_hub_download
from hydra.utils import instantiate
from omegaconf import OmegaConf
from safetensors.torch import load_file

run = "pretrained_n200"
cfg = OmegaConf.load(hf_hub_download("Ethgar/walrus-heart", f"{run}/model_config.yaml"))
fmap = json.load(open(hf_hub_download("Ethgar/walrus-heart", f"{run}/field_to_index_map.json")))
model = instantiate(cfg.model, n_states=max(fmap.values()) + 1)
model.add_ft_options({"learnable_rope": True, "rope_per_axis": True})
model.load_state_dict(load_file(hf_hub_download("Ethgar/walrus-heart", f"{run}/model.safetensors")))
Подробнее• Бенчмарки: лучший одношаговый VRMSE на тесте составляет 0.145 / 0.154 в зависимости от претрейна.
• Требования к железу: обучение проводилось на одном GPU A100 80 GB.
• Ограничения: при длинных роллаутах (более 10–20 шагов) модель начинает дрейфовать; симуляция основана на модели Алиева–Панфилова.
• Назначение: строго для исследовательских и учебных целей, не для клинического использования.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.8 GB · готовые файлы5.8 GB
  • FP8 / INT8рекомендуемвеса 2.4 GB3.1 GB
  • 4-bitвеса 1.3 GB2.0 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 · BF16 — 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.

    # Ethgar/walrus-heart
    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 Ethgar/walrus-heart --local-dir ~/models/walrus-heart
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к walrus-heart
  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

Дообучение модели

polymathic-ai/walrus

Новые посты про версии walrus — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

Ethgar/walrus-heart
Автор
Ethgar
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Relay-Forcing

Relay-Forcing