MultiMolecule

你想完成什么？

MultiMolecule 覆盖四类常见入口：任务级预测、模型微调、直接使用预训练模型，以及整理好的生物数据集。

Prediction

运行任务级预测

已注册的 pipeline 将生物任务名称和输入序列转换成结构化预测，不需要手动组装模型、tokeniser 和后处理。

import multimolecule
from transformers import pipeline

predict = pipeline(
    "rna-secondary-structure",
    model="multimolecule/ernierna-ss",
)
structure = predict("AUCAGCCUUCGUUCUGUAAACGG")

Training

微调预训练模型

runner 将预训练模型与 Hugging Face 数据集或本地标注表格连接起来，并根据序列列和标签列构建任务感知 batch。

import multimolecule as mm

config = mm.Config(
    pretrained="multimolecule/ernierna",
    data={
        "root": "multimolecule/chanrg",
        "feature_cols": ["sequence"],
        "label_cols": ["secondary_structure"],
    },
)

runner = mm.Runner(config)
runner.train()

Models

使用预训练模型

带文档的预训练模型支持在 Python 里直接控制模型，而不只通过任务 pipeline 使用。模型卡提供 checkpoint ID、输入约定、引用和许可证。

import multimolecule as mm

tokenizer = mm.RnaTokenizer.from_pretrained("multimolecule/ernierna-ss")
model = mm.AutoModelForRnaSecondaryStructurePrediction.from_pretrained(
    "multimolecule/ernierna-ss",
)

inputs = tokenizer("AUCAGCCUUCGUUCUGUAAACGG", return_tensors="pt")
outputs = model(**inputs)

Datasets

使用整理好的数据集

整理好的生物数据集包含序列与标签字段、任务元数据、来源信息、引用和许可证，可用于复现实验、尝试示例或开始微调。

from datasets import load_dataset

dataset = load_dataset("multimolecule/chanrg", split="train")

底层是一套栈

MultiMolecule 为这些入口提供同一套底层层级：带文档的资源、生物输入处理、可复用模型组件，以及用于预测、训练、评估和脚本化使用的执行工具。

Execution

任务级入口

pipeline 提供现成任务预测，runner 管理监督训练和评估，API 入口支持脚本和应用。

runner · pipelines · api

Resources

带文档的资源

数据集卡和模型卡整理支持的输入、任务名称、模型 checkpoint、引用、许可证和训练元数据。

datasets · models

Data layer

从生物文件到可训练 batch

IO 读取生物序列与结构格式，tokeniser 编码分子，data 推断任务字段并准备 runner 可用的 batch。

io · tokenisers · data

Model layer

可复用的模型组件

models 提供预训练 config、AutoModel 类、checkpoint 和输出约定；modules 提供 backbone、head、loss 和 embedding，用于自定义架构。

models · modules

社区

• Google Group

  接收发布公告、迁移说明和设计 RFC，不需要跟进每一个 issue。

  订阅公告

• Discourse

  讨论某个生物问题适合哪个 pipeline、模型或数据集，也可以分享配置、请求模型和交流模型组件设计。

  加入讨论