[发明专利]量子门控循环神经网络预测新冠疫苗稳定性的方法及装置

权利要求书

1.一种基于量子门控循环神经网络预测新冠疫苗稳定性的方法，其特征在于，包括：

将包含RNA序列、RNA二级结构、RNA空间折叠类型的预定序列进行预处理得到所述预定序列对应的输入张量；

初始化所述RNA序列中碱基的位置与隐藏状态矢量；

判断所述RNA序列中当前已经处理过的碱基数目是否小于RNA序列长度；

若所述RNA序列中当前已经处理过的碱基数目小于所述RNA序列长度，则对所述输入张量进行切片操作，得到对应的降维输入向量；

将所述降维输入向量输入到量子门控循环单元中进行计算，输出先前已处理的所有碱基的隐藏状态；

若所述RNA序列中当前已经处理过的碱基数目大于所述RNA序列长度，则执行下一步；

对所述先前已处理的所有碱基的隐藏状态进行线性变换，输出RNA序列不同位置的降解率和反应率。

2.根据权利要求1所述的方法，其特征在于：

其中，所述量子门控循环单元包括第一量子线路、第二量子线路以及第三量子线路，

所述第一量子线路用于筛选所述RNA序列中先前隐藏状态下需要保留的碱基数目；

所述第二量子线路用于确定先前隐藏状态下需要保留的碱基数目及当前需要保留的碱基数目；

所述第三量子线路用于确定需要保留的先前隐藏状态下的碱基数目。

3.根据权利要求2所述的方法，其特征在于：

其中，所述第一量子线路包括第一变分量子线路、第二变分量子线路，

所述第一量子线路的表达式如下：

r_t＝σ(VQC₁(x_t)+VQC₂(h_t-1))

σ为激活函数，VQC₁为第一变分量子线路，x_t为所述RNA序列中t时刻对应的碱基数目，h_t-1为所述RNA序列中t-1时刻对应的碱基隐藏状态。

4.根据权利要求2所述的方法，其特征在于：

其中，所述第二量子线路包括第三变分量子线路、第四变分量子线路，

所述第二量子线路的表达式如下：

n_t＝tanh(VQC₃(x_t)+r_t*VQC₄(h_t-1))

tanh为激活函数，VQC₃为第三变分量子线路，r_t为所述第三量子线路，VQC₄为第四变分量子线路。

5.根据权利要求2所述的方法，其特征在于：

其中，所述第三量子线路的表达式如下：

z_t＝σ(VQC₅(x_t)+VQC₆(h_t-1))

VQC₅为第五变分量子线路，VQC₆为第六变分量子线路。

6.根据权利要求4或5所述的方法，其特征在于：

其中，所述先前已处理的所有碱基的隐藏状态的表达式如下：

h_t＝(1-z_t)*n_t+z_t*h_t-1

z_t为所述第三量子线路，n_t为第二量子线路。

7.根据权利要求3-5任意一项所述的方法，其特征在于：

其中，任一所述变分量子线路均包括预定数目的参数化旋转模块与纠缠模块，

所述参数化旋转模块用于提供所述变分量子线路可学习的参数；

所述纠缠模块用于提供纠缠的多比特量子态。