mindsponge.cell.MSAColumnAttention

.. py:class:: mindsponge.cell.MSAColumnAttention(num_head, key_dim, gating, msa_act_dim, batch_size=None, slice_num=0)

    MSA列注意力层。
    MSA逐列注意模块，让处于相同序列位置的信息进行交互。
    参考文献：`Jumper et al. (2021) Suppl. Alg. 8 MSAColumnAttention <https://static-content.springer.com/esm/art%3A10.1038%2Fs41586-021-03819-2/MediaObjects/41586_2021_3819_MOESM1_ESM.pdf>`_。

    参数：
        - **num_head** (int) - 头的数量。
        - **key_dim** (int) - 输入的维度。
        - **gating** (bool) - 判断attention是否经过gating的指示器。
        - **msa_act_dim** (int) - msa_act的维度。msa_act为AlphaFold模型中MSA检索后所使用的中间变量。
        - **batch_size** (int) - MSAColumnAttention中参数的batch size, 默认值： ``None``。
        - **slice_num** (int) - 为了减少内存需要进行切分的数量, 默认值： ``0``。

    输入：
        - **msa_act** (Tensor) - msa_act，AlphaFold模型中MSA检索后所使用的中间变量, :math:`[N_{seqs}, N_{res}, C_m]` 。
        - **msa_mask** (Tensor) - MSAColumnAttention矩阵的mask， :math:`[N_{seqs}, N_{res}]` 。
        - **index** (Tensor) - 在循环中的索引，只会在有控制流的时候使用, 标量， 默认值： ``None``。

    输出：
        Tensor。MSAColumnAttention层的输出msa_act，shape为 :math:`[N_{seqs}, N_{res}, C_m]` 。