Comprimi, non memorizzare
Puntiamo a meccanismi compatti che assomigliano alle leggi della fisica, non a embedding che assomigliano ai dati.
Strumenti scientifici
Holobiont
Comprimere le leggi sottostanti le dinamiche proteiche in segnali fisicamente invarianti.
Trova l'invariante, non la lookup table
Holobiont è un programma scientifico costruito attorno a un'idea specifica: sotto le dinamiche proteiche esistono segnali fisicamente invarianti che comprimono meglio di qualsiasi quantità di memorizzazione. Inseguiamo quei segnali, li sottoponiamo a un audit spietato contro il leakage degli assi di retrieval e pubblichiamo i negativi quando una feature attraente si rivela un artefatto di misurazione.
la maggior parte delle pipeline
aggiunge feature finché la leaderboard si muove e rilascia la leaderboard, anche quando il lift è un artefatto strutturale.
holobiont
orienta la pipeline verso feature che assomigliano alla fisica — compatte, invarianti, auditabili — e ritira il resto prima che raggiunga la produzione.
Tre impegni
Audita gli assi di retrieval per il leakage
Gli assi di retrieval pre-calcolati sono notoriamente facili da cui far trapelare le etichette di test. Adottiamo come impostazione predefinita la cross-validation annidata e riportiamo i budget di leakage in modo esplicito.
Pubblica ciò che non funziona
Dove una classe di feature danneggia le prestazioni una volta rimosso il leakage, lo diciamo. Il prodotto è il meccanismo, non la leaderboard.
Dove una classe di feature allettante diventa silenziosamente negativa
Le statistiche di colonna — entropia di Shannon e frequenza degli amminoacidi — appaiono attraenti a bassa coverage. Oltre un budget di coverage intorno al centro del grafico, iniziano a danneggiare il miglior estimatore. Le abbiamo ritirate per l'uso in produzione.
Cosa ha deciso Holobiont
Ogni decisione è un'affermazione misurata, non di marketing. Dove un risultato ha danneggiato, il risultato e il ritiro restano sulla pagina.
-
D15.1 Leakage degli assi di retrieval quantificato
Una larga frazione del lift di una feature apparentemente forte era attribuibile al leakage attraverso assi k-NN pre-calcolati. La metodologia è stata irrigidita di conseguenza.
D15.1 83 % del lift apparente era leakage degli assi di retrieval -
D22 Feature di conservazione ritirate alla coverage
Le statistiche di colonna di Shannon e di frequenza danneggiavano il nostro miglior estimatore oltre un certo budget di coverage. Le abbiamo ritirate per l'uso in produzione e abbiamo continuato a esplorare le coppie a direct-coupling.
D22 Δρ −0.0382 sul miglior estimatore sopra il coverage cliff -
Oggi Pipeline di feature mechanism-first
La pipeline attuale è orientata verso feature che assomigliano alla fisica. Ogni candidata ha un audit esplicito del leakage e un budget di coverage esplicito prima di essere rilasciata.
today physics-shaped solo feature, con audit esplicito del leakage
Perché è un programma a sé
Le dinamiche proteiche sono il luogo ovvio dove mettere sotto pressione l'idea «comprimi, non memorizzare». Holobiont è dove esercitiamo quella pressione — e dove abbiamo già ritirato feature che apparivano attraenti ma non hanno superato l'audit.
trasversali
Holobiont è dove l'idea comprimere-contro-memorizzare viene messa sotto stress
L'audit mechanism-first attraversa i nostri programmi di ricerca — dalla disciplina di valutazione fino alla postura di allineamento. Dove una feature non sopravvive qui, non viene rilasciata da nessuna parte.