RFD4-Proteina开源并改用循环更新

华盛顿大学蛋白质设计研究所与 NVIDIA 联合开源蛋白质设计推理模型 RFD4-Proteina。模型在 NVIDIA GTC 柏林站亮相并开启欧洲巡讲，相关团队还将在 GTC Biopharma 峰会上分享。

华盛顿大学蛋白质设计研究所与 NVIDIA 合作发布蛋白质设计模型 RFD4-Proteina。业内研究者认为，该模型可能为从头设计采用全新化学机制的荧光素酶提供机会，探索底物廉价易得、分子量小且易拆分等特性，以支持廉价、可回收的应用场景。

展示了在消费级云端 GPU 上以 thinkinghigh 模式运行蛋白质设计模型 RFD4-Proteina，呈现了该类模型在低成本算力上运行的可能性。

RFD4-Proteina 在 NVIDIA GTC 柏林站亮相，由 Institute for Protein Design 与 NVIDIA 合作推出，定位为面向可编程蛋白质设计的推理模型。团队在 GTC Biopharma 峰会演示了针对人类 TrkA 的结合测试及人鼠交叉反应性实验数据，接下来将在英国等地开启欧洲巡讲，David Baker 将客串出场。

RFD4-Proteina 团队披露，模型放弃长期使用的 self-conditioning，改用循环更新机制，被认为呼应 looped flows 的「思考模式」。研究者 Anirban Ray 表示，该方法固定 x_t 并循环精炼隐状态，每步推理更多但总步数更少。

Anirban Ray 点评 RFD4-Proteina 的 conditional flow matching 思路：模型固定 x_t，循环精炼隐状态，并通过 ODE 采样实现“每步推理更多、总步数更少”。相比 SDE 采样，ODE 所需步数更少；该模型是 Baker Lab 与 NVIDIA GenAIR 合作一年的蛋白质设计成果。