VIP20
本课程属于：003-AlphaFold蛋白结构预测 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

AlphaFold模型训练与超参数优化

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
AlphaFold概述与发展历程
从CASPP到AlphaFold2 · 关键突破与意义
AlphaFold发展历程
02
AlphaFold原理简介
Evoformer与Structur…
AlphaFold原理简介
03
训练环境搭建
硬件需求（GPU/TPU/内存） · 软件依赖（Python · CUDA
训练环境搭建GPU/TPU
04
数据集准备
PDB结构数据库下载 · UniRef序列库 · BFD/Uniclust数据库获取与…
数据集准备PDB
05
序列数据库处理
MSA构建流程（HHblits · Jackhmmer） · 多序列比对的存储与缓存
序列数据库处理MSA
06
模板结构数据库处理
PDB70/PDB100模板库下载 · 结构模板特征提取与格式化
模板结构数据库处…PDB70/PDB100
07
特征提取流程详解
从原始序列到input featur… · target · template
特征提取流程详解input
08
数据预处理管道与缓存机制
TFRecord格式 · shuffle · repeat
数据预处理管道缓存机制
09
模型架构详解（上）
输入嵌入层——序列特征嵌入 · 残基对特征嵌入 · 位置编码
模型架构详解输入嵌入层
10
模型架构详解（中）
Evoformer模块——轴向注意力 · 三角乘法更新 · pair更新与MSA更新
模型架构详解Evoformer
11
模型架构详解（下）
Structure Module——… · 逆三角更新 · 框架坐标预测
模型架构详解Structure
12
损失函数设计
FAPE损失（帧对齐点误差）计算 · 辅助损失（recycling · distogram
损失函数设计FAPE
13
训练循环实现细节
recycling机制 · 梯度累积 · 梯度剪裁
训练循环实现细节recycling
14
学习率调度策略
warmup + cosine de… · 线性衰减 · plateau调度选择与实现
学习率调度策略warmup
15
优化器选择与配置
Adam/AdamW · 权重衰减 · beta参数
优化器选择配置
16
分布式训练配置
数据并行（多GPU/TPU） · 模型并行 · pipeline paralleli…
分布式训练配置GPU/TPU
17
混合精度训练
bfloat16/float16的使… · loss scaling · 梯度同步注意事项
混合精度训练bfloat16/flo…
18
超参数总览
关键超参数列表与默认值（学习率 · batch size · head数
超参数总览关键超参数列表
19
学习率与batch size调参技巧
线性 scaling rule · warmup长度 · batch size与norm约束
batchsize
20
损失权重与正则化调优
FAPE · auxiliary loss权重对收… · dropout
损失权重正则化调优
21
注意力层数与通道数的影响
Evoformer层数（48层 vs… · channel宽度（384/512）…
注意力层数通道数的影响
22
MSA深度与模板数量敏感度分析
不同MSA深度（100 · 512 · 1024）对pLDDT的影响
MSA深度
23
训练稳定性
梯度爆炸原因 · 梯度裁剪阈值选择 · 学习率过度震荡的解决办法
训练稳定性梯度爆炸原因
24
模型检查点与恢复训练
保存最佳模型 · 断点续训 · 加载预训练权重进行微调
模型检查点恢复训练
25
评估指标详解
lDDT（局部距离差异测试） · pLDDT · TM-score
评估指标详解lDDT
26
验证集构建与模型选择
按序列同源性拆分 · CASP目标集 · 交叉验证策略及最佳epoch选取
验证集构建模型选择
27
调参工具与自动化
Optuna · Ray Tune · Hyperopt集成
调参工具自动化
28
超参数搜索实战案例
一次学习率+dropout搜索的过程…
超参数搜索实战案…dropout
29
从零开始训练AlphaFold的完整工作流
数据准备 · 配置编写 · 启动训练
AlphaFold从零开始训练
30
常见问题与避坑指南
内存爆炸 · 训练无法收敛 · MSA特征丢失
常见问题避坑指南