[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

说明书

本发明提供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，属于量子计算技术领域。因为该方法使用量子门控循环单元对RNA序列中的碱基及其对应的隐藏状态进行重置和更新，生成新的隐藏状态，并输出RNA序列不同位置的反应率和降解率，从而预测新冠疫苗稳定性，所以，该方法满足了门控循环神经网络算法建立序列长期短期依赖关系的需求，并且计算资源消耗少，因此在量子芯片和电子芯片的协同工作中具有广泛应用。

技术领域

本发明涉及量子计算领域，具体涉及基于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。

背景技术

尽管mRNA疫苗比其他疫苗更安全，并且也很容易制造。然而，它们可能非常脆弱。目前，mRNA新冠疫苗面临着必须要在冷藏库中储存的严重限制，这对大规模接种疫苗造成了很大的障碍。

基于经典的门控循环神经网络算法是人工智能领域的研究热点，被应用在多种应用场景，如生物医药、材料、神经科学等，然而这些模型的运行都需要消耗大量的计算资源。在过去算法运行的计算资源主要由电子集成电路制造的芯片提供，而随着电子遂穿效应对制程接近纳米极限后的制约，算力很难再持续提升。量子计算芯片是对电子芯片计算方式的补充，然而经典的门控循环神经网络算法在量子芯片上的运行无法按照其在电子芯片上的方式进行处理。

虽然预测新冠疫苗稳定性的问题基于门控循环神经网络模型取得了较好的的性能，但是门控循环神经网络算法需满足建立序列长期短期依赖关系的需求，并消耗大量计算资源。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供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及装置。

本发明提供了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，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预定序列对应的输入张量；初始化RNA序列中碱基的位置与隐藏状态矢量；判断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RNA序列中当前已经处理过的碱基数目小于RNA序列长度，则对输入张量进行切片操作，得到对应的降维输入向量；将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RNA序列中当前已经处理过的碱基数目大于RNA序列长度，则执行下一步；对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。

在本发明提供的方法中，还具有这样的特征：其中，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，第一量子线路用于筛选RNA序列中先前隐藏状态下需要保留的碱基数目；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；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。

在本发明提供的方法中，还具有这样的特征：其中，第一量子线路包括第一变分量子线路、第二变分量子线路，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RNA序列中t时刻对应的碱基数目，h_t-1为RNA序列中t-1时刻对应的碱基隐藏状态。

在本发明提供的方法中，还具有这样的特征：其中，第二量子线路包括第三变分量子线路、第四变分量子线路，

第二量子线路的表达式如下：

n_t＝tanh(VQC₃(x_t)+r_t*VQC₄(h_t-1))