get_potential_gradients是Denoise类中一个方法。get_potential_gradients方法的目的是计算每个 Cα 原子的势能梯度，用于指导扩散更新。这些梯度可以提供物理或几何约束，使扩散生成的坐标更加合理。 

功能：计算结构中的每个原子的引导势梯度（potential gradients），用于指导去噪。

步骤：调用 PotentialManager 计算所有引导势；计算目标坐标上的梯度（对 xx 求导）；应用扩散掩码，避免固定区域的梯度计算。

源代码：

    def get_potential_gradients(self, xyz, diffusion_mask):
        """
        This could be moved into potential manager if desired - NRB

        Function to take a structure (x) and get per-atom gradients used to guide diffusion update

        Inputs:

            xyz (torch.tensor, required): [L,27,3] Coordinates at which the gradient will be computed

        Outputs:

            Ca_grads (torch.tensor): [L,3] The gradient at each Ca atom
        """

        if self.potential_manager == None or self.potential_

get_potential_gradients是Denoise类中一个方法。get_potential_gradients方法的目的是计算每个 Cα 原子的势能梯度，用于指导扩散更新。这些梯度可以提供物理或几何约束，使扩散生成的坐标更加合理。 

功能：计算结构中的每个原子的引导势梯度（potential gradients），用于指导去噪。

步骤：调用 PotentialManager 计算所有引导势；计算目标坐标上的梯度（对 xx 求导）；应用扩散掩码，避免固定区域的梯度计算。

源代码：

    def get_potential_gradients(self, xyz, diffusion_mask):
        """
        This could be moved into potential manager if desired - NRB

        Function to take a structure (x) and get per-atom gradients used to guide diffusion update

        Inputs:

            xyz (torch.tensor, required): [L,27,3] Coordinates at which the gradient will be computed

        Outputs:

            Ca_grads (torch.tensor): [L,3] The gradient at each Ca atom
        """

        if self.potential_manager == None or self.potential_