版本说明
3.0.1 版本提供了一些新功能、提升了性能、改进了文档并修复了一些错误。比如提供了处理在 CUDA Capability 7.x GPU上运行结果错误的方法，其它变化请参考官方文档：
https://github.com/google-deepmind/alphafold3/releases/tag/v3.0.1
使用方法
1. 准备运行文件
将公共目录的alphafold 3.0.1 demo文件拷贝到个人目录，并解压
cp /opt/app/alphafold_3.0.1/af3_demo.tar ~/
tar xvf af3_demo.tar
2. 申请gpu计算资源
根据平台的实际队列情况申请计算资源，例如指定gpu分区，申请8核1卡：
salloc -n 8 -p gpu --gres=gpu:1
3. 登陆到计算节点运行任务
cd ~/af3_demo
/opt/app/singularity/bin/singularity exec \
--env XLA_FLAGS="--xla_gpu_enable_triton_gemm=false --xla_disable_hlo_passes=custom-kernel-fusion-rewriter" \
--nv \
--bind $HOME/af3_demo/af_input:/root/af_input \
--bind /opt/app/nvidia/550.54.14:/usr/local/nvidia \
--bind $HOME/af3_demo/af_output:/root/af_output \
--bind /opt/app/alphafold_3.0.1/models:/root/models \
--bind /opt/app/alphafold_3.0.1/public_databases:/root/public_databases \
/opt/app/sif/alphafold_3.0.1.sif python run_alphafold.py \
--json_path=/root/af_input/fold_input.json \
--model_dir=/root/models \
--db_dir=/root/public_databases \
--output_dir=/root/af_output \
--flash_attention_implementation=xla
4. 查看运行结果
运行结束后，计算结果保存在 ~/af3_demo/af_output/2pv7/2pv7_ranking_scores.csv
参考资料
AlphaFold3 GitHub: https://github.com/google-deepmind/alphafold3
