Accueil Projets alphafold2
alphafold2

alphafold2

par lucidrains · GitHub

Pour finalement devenir une mise en œuvre / réplication non officielle de Pytorch d'Alphafold2, à mesure que les détails de l'architecture sont publiés

Voir sur GitHub
En termes simples

Répliquez le modèle Alphafold2 pour prédire des structures protéiques en utilisant une implémentation PyTorch au fur et à mesure que les détails deviennent disponibles.

⭐ Étoiles
🍴 Forks
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
alphafold2 — GitHub preview card
📈 Historique des étoiles
1 6331 632
2026-07-202026-07-29
📈 Suivez alphafold2

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Pour finalement devenir une mise en œuvre / réplication non officielle de Pytorch d'Alphafold2, à mesure que les détails de l'architecture sont publiés

alphafold2 compte 1.6k étoiles sur GitHub. Il a été forké 265 fois. alphafold2 est écrit principalement en Python. Il est développé activement depuis 2020. alphafold2 est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, attention-mechanism, deep-learning, protein-folding.

Frequently asked questions

Qu'est-ce que alphafold2 ?

Pour finalement devenir une mise en œuvre / réplication non officielle de Pytorch d'Alphafold2, à mesure que les détails de l'architecture sont publiés

alphafold2 est-il open source ?

alphafold2 est un projet open source. Il est distribué sous licence MIT.

alphafold2 est-il gratuit ?

Oui. alphafold2 est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est alphafold2 ?

alphafold2 est disponible sous licence MIT.

Dans quel langage alphafold2 est-il écrit ?

alphafold2 est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — alphafold2

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-alphafold2)](https://olud.ai/project/lucidrains-alphafold2.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Star-Attention
Inférence LLM efficace sur de longues séquences
391 · attention-mechanism
partageattention-mechanism
x-transformers
Un transformateur complet mais concis avec un ensemble de fonctionnalités expérimentales promet…
5.9k · artificial-intelligence
partageattention-mechanism
reformer-pytorch
Reformer, le Transformer efficace, en Pytorch
2.2k · artificial-intelligence
partageattention-mechanism
PaLM-pytorch
Implémentation de l'architecture Transformer spécifique de PaLM - Scaling Language Modeling wit…
825 · artificial-general-intelligence
partageattention-mechanism
parti-pytorch
Implémentation de Parti, le réseau de neurones text-to-image basé sur l'attention de Google, en…
537 · artificial-intelligence
partageattention-mechanism
lambda-networks
Implémentation de LambdaNetworks, une nouvelle approche de la reconnaissance d'images qui attei…
1.5k · artificial-intelligence
partageattention-mechanism
vit-pytorch
Implémentation de Vision Transformer, un moyen simple d'atteindre SOTA en classification visuel…
25.4k · artificial-intelligence
partageattention-mechanism
RETRO-pytorch
Implémentation de RETRO, le réseau d'attention basé sur la récupération de Deepmind, en Pytorch
879 · artificial-intelligence
partageattention-mechanism
performer-pytorch
Une implémentation de Performer, un transformateur basé sur l'attention linéaire, en Pytorch.
1.2k · artificial-intelligence
partageattention-mechanism
flamingo-pytorch
Implémentation de 🦩 Flamingo, un réseau d'attention de question-réponse visuelle à quelques exe…
1.3k · artificial-intelligence
partageattention-mechanism

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.