mindsponge.common

接口名	概述	支持平台
`mindsponge.common.find_optimal_renaming`	通过最大化LDDT值，确定具手性的氨基酸残基的最佳原子坐标。	`Ascend` `GPU`
`mindsponge.common.get_aligned_seq`	输入两条蛋白质序列，对序列进行对齐，分别输出对齐后的序列以及两条序列的相同位置（顺序无要求）。	`Ascend` `GPU`
`mindsponge.common.get_fasta_info`	给定一条蛋白质pdb文件(输入pdb文件路径)，从pdb文件中获取序列信息并输出序列文本。	`Ascend` `GPU`
`mindsponge.common.get_pdb_info`	从pdb文件中获取原子坐标，残基序号等信息。	`Ascend` `GPU`
`mindsponge.common.make_atom14_positions`	本函数提供将稀疏编码方式转为稠密编码方式的功能。	`Ascend` `GPU`

mindsponge.common.geometry

接口名	概述	支持平台
`mindsponge.common.apply_to_point`	对输入坐标进行旋转平移变换。	`Ascend` `GPU`
`mindsponge.common.initial_affine`	初始化仿射变换后的四元数，旋转矩阵，平移向量。	`Ascend` `GPU`
`mindsponge.common.invert_point`	刚体变换组变换对点坐标的逆变换，即apply_to_point的逆变换。	`Ascend` `GPU`
`mindsponge.common.invert_rigids`	求解刚体变换的逆变换。	`Ascend` `GPU`
`mindsponge.common.invert_rots`	输入一个旋转矩阵 $m$ ，输出旋转矩阵的转置矩阵。	`Ascend` `GPU`
`mindsponge.common.make_transform_from_reference`	使用施密特正交化方法构造骨架的旋转矩阵和平移向量。	`Ascend` `GPU`
`mindsponge.common.pre_compose`	利用旋转矩阵rotation和辅助矩阵update更新输入的四元数quaternion和平移向量translation，并进行新的仿射变化过程，得到更新的平移向量。	`Ascend` `GPU`
`mindsponge.common.quat_affine`	基于旋转矩阵与平移向量生成仿射变换。	`Ascend` `GPU`
`mindsponge.common.quat_multiply_by_vec`	计算四元数与纯向量四元数的乘积。	`Ascend` `GPU`
`mindsponge.common.quat_to_rot`	将四元数转化为旋转矩阵。	`Ascend` `GPU`
`mindsponge.common.quaternion_from_tensor`	利用输入的 tensor $[(x x, x y, x z, y x, y y, y z, z z)]$ ，进行仿射变换得到新的 quaternion ， rotation， translation。	`Ascend` `GPU`
`mindsponge.common.quaternion_to_tensor`	将输入的四元数变为Tensor。	`Ascend` `GPU`
`mindsponge.common.rigids_from_3_points`	Gram-Schmidt正交化过程。	`Ascend` `GPU`
`mindsponge.common.rigids_mul_rigids`	把刚体变换 $b$ 从它所在局部坐标系中变换到刚体变换 $a$ 所在局部坐标系中。	`Ascend` `GPU`
`mindsponge.common.rigids_mul_rots`	使用旋转矩阵 $\vec{y}$ 对刚体变换 $x$ 进行旋转。	`Ascend` `GPU`
`mindsponge.common.rigids_mul_vecs`	把向量 $\vec{v}$ 旋转平移到刚体变换的局部坐标系中。	`Ascend` `GPU`
`mindsponge.common.rots_expand_dims`	对旋转矩阵 rots 的各个部分在指定的轴上添加额外维度。	`Ascend` `GPU`
`mindsponge.common.rots_from_tensor`	输入tensor，将最后两根轴对应的3*3的旋转矩阵摊平拆分，得到旋转矩阵的每个分量，rots_to_tensor的逆操作。	`Ascend` `GPU`
`mindsponge.common.rots_from_two_vecs`	输入两个向量 $\vec{a}$ 和 $\vec{b}$ ，计算由这两个向量所构成的x-y平面所在坐标系与原始坐标系之间的旋转矩阵。	`Ascend` `GPU`
`mindsponge.common.rots_mul_rots`	获取两个旋转矩阵相乘结果，对目标进行两次旋转。	`Ascend` `GPU`
`mindsponge.common.rots_mul_vecs`	利用旋转矩阵 $\vec{m} = (m_{0}, m_{1}, m_{2}, m_{3}, m_{4}, m_{5}, m_{6}, m_{7}, m_{8})$ 对输入向量 $\vec{v} = (v_{0}, v_{1}, v_{2})$ 进行旋转。	`Ascend` `GPU`
`mindsponge.common.rots_scale`	对旋转矩阵进行缩放。	`Ascend` `GPU` `CPU`
`mindsponge.common.rots_to_tensor`	将以向量表示的旋转矩阵转化为tensor， rots_from_tensor 的逆操作。	`Ascend` `GPU`
`mindsponge.common.vecs_cross_vecs`	计算向量 $v_{1} = (x_{1}, x_{2}, x_{3})$ 和向量 $v_{2} = (y_{1}, y_{2}, y_{3})$ 的外积。	`Ascend` `GPU`
`mindsponge.common.vecs_dot_vecs`	计算向量 $v_{1} = (x_{1}, x_{2}, x_{3})$ 和向量 $v_{2} = (y_{1}, y_{2}, y_{3})$ 的内积。	`Ascend` `GPU`
`mindsponge.common.vecs_expand_dims`	将输入的v在指定的轴添加额外维度。	`Ascend` `GPU`
`mindsponge.common.vecs_from_tensor`	将输入表示位置信息的tensor在最后一根轴拆分，化为向量， vecs_to_tensor 的逆操作。	`Ascend` `GPU`
`mindsponge.common.vecs_robust_norm`	求向量的l2范数。	`Ascend` `GPU` `CPU`
`mindsponge.common.vecs_robust_normalize`	向量l2范数归一化。	`Ascend` `GPU` `CPU`
`mindsponge.common.vecs_scale`	对向量的缩放。	`Ascend` `GPU` `CPU`
`mindsponge.common.vecs_sub`	对两个向量执行减法操作。	`Ascend` `GPU` `CPU`
`mindsponge.common.vecs_to_tensor`	将向量转化为最后一维度为3的tensor，和vecs_from_tensor操作相反。	`Ascend` `GPU`