/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
pore_codec_rsq742c12a · dense
Библиотека
transformers
Опубликована
30 июн 2026

pore-codec-rsq742c12a-513

ЭмбеддингиТекст → embedding3 профессии

Нейросетевой кодек, который сжимает сигналы нанопорового секвенирования в иерархические токены для анализа и последующей работы моделей.

12скачиваний за 30 дней0лайковвеса обновлены30 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PoreCodec-RSQ742C12A — нейросетевой кодек для сжатого представления электрических сигналов нанопорового секвенирования. Модель использует одномерный сверточный энкодер с 512-мерным латентным представлением и понижающей дискретизацией ×4, а затем детерминированную остаточную конечную скалярную квантизацию (Residual FSQ). Для каждого положения сигнала формируются иерархические дискретные токены; декодер может восстановить сигнал из токенов или индексов квантизации.

Модель предназначена для токенизации и сжатия подготовленных сигналов, обучения моделей представлений и трансформеров для нанопоровых данных, а также поиска и индексирования чтений. Предобработка включает исправление границ и выбросов, нормализацию median-MAD и, в зависимости от стратегии, медианную фильтрацию и сглаженное ограничение значений. По карточке, детерминированная FSQ не подвержена коллапсу кодовой книги и позволяет выполнять быстрый поиск кодов.

Модель опубликована ShuaiAnwo в формате safetensors, совместима с Transformers AutoModel и распространяется по лицензии Apache-2.0. Она рассчитана на входные электрические сигналы нанопор после соответствующей предобработки; для непосредственного basecalling и предсказания последовательности ДНК не предназначена.

Сценарии применения

  • токенизация сигналов нанопорового секвенирования
  • сжатие и восстановление электрических сигналов нанопор
  • получение дискретных представлений для предобучения трансформеров
  • обучение представлений на биологических сигналах
  • поиск и индексирование нанопоровых чтений

Ограничения

Работает с электрическими сигналами нанопор после предобработки сопровождающим FeatureExtractor. Не предназначена для непосредственного basecalling или предсказания последовательности ДНК.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PoreCodec-RSQ742C12A

architecture

PoreCodec-RSQ742C12A is a lightweight neural codec for nanopore electrical signals. It converts continuous ionic current measurements into compact hierarchical discrete token sequences using a convolutional encoder followed by a production-oriented Residual Finite Scalar Quantization (Residual FSQ) module.

Unlike traditional VQ-VAE based codecs, PoreCodec employs deterministic finite scalar quantization with exhaustive codebooks stored directly inside the model checkpoint, eliminating codebook collapse while enabling efficient constant-time decoding.

The resulting discrete representations are designed to serve as the interface between raw nanopore signals and transformer-based foundation models.


Highlights

  • Production-ready neural codec for nanopore signals
  • Lightweight fully convolutional encoder/decoder
  • Residual Finite Scalar Quantization (Residual FSQ)
  • Exhaustive codebooks stored inside safetensors
  • Constant-time O(1) decoding lookup
  • Hierarchical discrete token generation
  • HuggingFace AutoModel compatible
  • End-to-end signal reconstruction
  • Foundation-model friendly discrete representation

Architecture

Raw Nanopore Signal
        │
        ▼
 CNN Encoder
        │
        ▼
512-D Latent Features
        │
        ▼
Linear Projection
        │
        ▼
Residual Finite Scalar Quantization
        │
        ├──────────────► Hierarchical Token IDs
        │
        ▼
Quantized Latent Features
        │
        ▼
Linear Projection
        │
        ▼
 CNN Decoder
        │
        ▼
Reconstructed Signal

The model consists of three major components:

CNN Encoder

The encoder extracts local electrical signal patterns through a deep one-dimensional convolutional network.

PropertyValue
Input channels1
Output channels512
Downsampling factor×4
Receptive field33 samples

The encoder transforms raw nanopore current measurements into compact latent representations while preserving local temporal structures.


Residual Finite Scalar Quantization

Instead of learning vector codebooks as in conventional VQ-VAE methods, PoreCodec performs deterministic residual scalar quantization over a finite Cartesian lattice.

Each residual stage quantizes the reconstruction error produced by previous stages, progressively refining the latent representation.

Unlike learned vector quantizers:

  • no codebook collapse
  • no dead entries
  • deterministic encoding
  • stable optimization
  • exact reconstruction lookup

All exhaustive codebooks are precomputed and stored directly inside the model checkpoint, allowing constant-time lookup during decoding.

Quantization Configuration

ParameterValue
Levels7 7 7 7
Codebook size2401
Residual quantizers2

Hierarchical Tokens

Each latent position produces multiple residual quantization indices

Latent Vector

↓

Residual Quantizer 1

↓

Residual Quantizer 2

↓

Level Indices

↓

Unified Token IDs

Different hierarchy depths may be selected:

layerDescription
1First residual quantizer
2First two residual quantizers
0All available quantizers

Higher layers generally provide improved reconstruction quality at the expense of larger token vocabulary.


Signal Preprocessing

The accompanying FeatureExtractor performs automatic preprocessing before inference.

Pipeline:

  1. Physical boundary correction
  2. Spike removal
  3. Median-MAD normalization
  4. Optional median filtering
  5. Smooth nonlinear clipping

Available preprocessing strategies:

apple (default)

  • Error repair
  • Spike removal
  • Median-MAD normalization
  • Median filtering
  • Smooth clipping

mongo

  • Error repair
  • Spike removal
  • Median-MAD normalization
  • Smooth clipping

Quick Start

import numpy as np
from transformers import AutoFeatureExtractor, AutoModel

model_name = "ShuaiAnwo/pore-codec-rsq742c12a-513"

feature_extractor = AutoFeatureExtractor.from_pretrained(
    model_name,
    trust_remote_code=True,
)

model = AutoModel.from_pretrained(
    model_name,
    trust_remote_code=True,
)

model.eval()

raw_signal = np.random.normal(
    loc=70,
    scale=8,
    size=1855,
).astype(np.float32)

signal = feature_extractor(
    raw_signal,
    return_tensors="pt",
)["signal"]

token_ids = model.encode_signal(
    signal,
    layer=2,
)

reconstructed = model.decode_token(
    token_ids,
    layer=2,
)

API

encode_signal

Convert normalized nanopore signals into discrete token IDs.

token_ids = model.encode_signal(signal, layer=2)

Returns

[B, N]

decode_token

Reconstruct signals directly from token IDs.

reconstructed = model.decode_token(
    token_ids,
    layer=2,
)

forward

Complete end-to-end codec inference.

reconstruction, level_indices = model(signal)

Returns

  • reconstructed signal
  • hierarchical residual indices

tokenize_indices

Convert hierarchical residual indices into unified token IDs.

token_ids = model.tokenize_indices(
    level_indices,
    layer=2,
)

decode_indices

Reconstruct signals directly from residual indices.

signal = model.decode_indices(
    level_indices,
    layer=2,
)

Model Configuration

ParameterValue
CNN output dimension512
Downsampling factor×4
Receptive field33
FSQ Levels7 7 7 7
Residual Quantizers2
Codebook Size2401
Data Typefloat32

Applications

PoreCodec may be used for

  • Nanopore signal tokenization
  • Neural signal compression
  • Foundation models for nanopore sequencing
  • Biological representation learning
  • Retrieval and indexing of nanopore reads
  • Token-based pretraining
  • Generative modeling over nanopore signals

Advantages over Conventional VQ

Residual FSQConventional VQ
DeterministicLearned codebook
No codebook collapsePossible collapse
No dead entriesDead vectors possible
Stable optimizationSensitive training
O(1) lookupEmbedding search
Exhaustive finite latticeLearned embeddings

Limitations

This model is designed for nanopore electrical current signals after preprocessing by the accompanying FeatureExtractor.

It is not intended for direct basecalling or DNA sequence prediction.


Citation

If you use PoreCodec in your research, please cite:

@misc{jiao2026porecodec,
  title={PoreCodec: Residual Finite Scalar Quantization for Nanopore Signal Tokenization},
  author={Shuai Jiao},
  year={2026}
}

License

Released under the Apache-2.0 License.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PoreRSQCodec
Ревизия весов
aa136c0

0 моделей