龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海图灵智算量子科技有限公司
摘要：本发明涉及到基于量子互学习机制的结合能预测方法。将药物分子序列数据处理成特征矩阵形式，将蛋白质序列数据处理成特征矩阵形式。药物分子序列数据的特征矩阵的经典形态进行特征提取，蛋白质序列数据的特征矩阵的经典形态进行特征提取。药物分子序列数据和蛋白质序列数据各自的特征矩阵进行一维卷积后再实施量子态编码，药物分子序列数据和蛋白质序列数据各自的编码数据进行基于量子线路的量子互学习后，再处理成已完成信息交互的两类相对信息。药物分子序列提取的特征与其相对信息拼接，蛋白质序列提取的特征与其相对信息拼接，拼接结果分别执行二维卷积再实施二次拼接。将二次拼接结果输入至全连接神经网络及线性整流层，得到结合能预测值。
主权项：1.一种基于量子互学习机制的结合能预测方法，其特征在于，包括以下步骤：S1、将SMILES格式的药物分子序列数据进行整数编码和降维得到约化矩阵U1，约化矩阵U1的转置乘以U1得到半正定矩阵Ud；将蛋白质序列进行整数编码和降维，得到约化矩阵U2，约化矩阵U2的转置乘以U2得到半正定矩阵Ut；S2、对半正定矩阵Ud进行1D卷积得到Udc，将Udc乘以Udc的转置得到Udc’；对半正定矩阵Ut进行1D卷积得到Utc，将Utc乘以Utc的转置得到Utc’；S3、将Udc和Utc分别编码成量子态密度矩阵Uqd和Uqt；量子态密度矩阵Uqd和Uqt输入至一个量子互学习模块，它们在量子互学习模块中互相执行张量积运算以得到经过联合后的两类量子态，由酉矩阵模块Uθ作用于两类量子态以使两类量子态交互学习，并对交互学习后的两类量子态分别求偏迹及测量得到Udm和Utm；其中Udm乘以Udm的转置得到Udm’以及Utm乘以Utm的转置得到Utm’；S4、将Udc’和Udm’进行拼接并经过2D卷积得到U3；将Utc’和Utm’进行拼接并经过2D卷积得到U4；将U3和U4进行拼接得到U5；S5、将U5输入至全连接神经网络及线性整流层，得到视为结合能结果的预测值YOUT。
全文数据：
权利要求：
百度查询： 上海图灵智算量子科技有限公司 基于量子互学习机制的结合能预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号