化合物性质预测模型的训练方法、化合物性质的预测方法

    公开(公告)号:CN116612835B

    公开(公告)日:2023-10-10

    申请号:CN202310877635.9

    申请日:2023-07-18

    摘要: 本发明公开了一种化合物性质预测模型的训练方法、化合物性质的预测方法,其中化合物性质预测模型的训练方法包括:获取第一数据集,第一数据集中包括多组训练数据,每组训练数据包括一个第一化合物和第一化合物的性质;对训练数据集中的多个第一化合物按照预设的特征数据库进行编码,得到训练数据集中的多个第一化合物的特征表示;利用编码后的训练数据集对预设的神经网络模型进行训练,得到化合物性质预测模型。由于在对神经网络模型的训练时,输入的是特征表示后的多个第一化合物,可以使得在对神经网络模型训练时,使得训练任务变轻,从而解决了深层模型难以训练,并且有大量的超参数需要调整的技术问题。

    基于动态规划和量子退火的RNA结构预测方法及系统

    公开(公告)号:CN117497092A

    公开(公告)日:2024-02-02

    申请号:CN202410002322.3

    申请日:2024-01-02

    摘要: 本公开涉及一种基于动态规划和量子退火的RNA结构预测方法及系统,该方法包括:获取目标氨基酸序列的单字母表示序列;将单字母表示序列输入隐马尔可夫模块,得到目标密码子组合;将目标密码子组合输入动态规划模块,选取密码子组合片段;密码子组合片段不包含终止密码子时,计算出密码子组合初选片段,调用优化器对密码子子结构进行打分,保存具有最高打分的密码子子结构的密码子组合片段;包含终止密码子时,输出最优RNA二级结构的完整密码子组合为第一候选密码子组合;将目标密码子组合的哈密顿量输入量子退火模块得到第二候选密码子组合;从第一候选密码子组合及第二候选密码子组合选出最优RNA二级结构的密码子组合。

    分子基态的电子结构计算方法及相关设备

    公开(公告)号:CN116935977A

    公开(公告)日:2023-10-24

    申请号:CN202310874940.2

    申请日:2023-07-17

    IPC分类号: G16C10/00 G16C20/90 G06F17/16

    摘要: 本公开涉及一种分子基态的电子结构计算方法及相关设备,所述方法包括:获取目标分子的由二次量子化形式表示的分子哈密顿量;将所述分子哈密顿量中的产生算符和湮灭算符转化为由泡利项表示,得到目标哈密顿量;获取所述目标哈密顿量的泡利校验矩阵和系数集合,所述泡利校验矩阵的行向量用于表征所述目标哈密顿量的所述泡利项;基于所述泡利校验矩阵和所述系数集合计算对应于所述目标分子的基态的稳定子,以得到所述目标分子的基态;基于所述稳定子计算所述目标分子的基态能量。通过该技术方案,可以基于二次量子化形式下的哈密顿量实现对于分子基态的电子结构计算。

    组合优化问题求解方法、装置、存储介质和电子设备

    公开(公告)号:CN116932988A

    公开(公告)日:2023-10-24

    申请号:CN202310878389.9

    申请日:2023-07-18

    IPC分类号: G06F17/15 G06F17/16

    摘要: 本公开涉及一种组合优化问题求解方法、装置、存储介质和电子设备,所述方法包括:获取待求解的组合优化问题的目标函数;基于包含σz泡利算符的表达式对目标函数中的自变量进行变量代换;在组合优化问题的求解目标为目标函数的最大值时,对变量代换后的目标函数取反,得到目标哈密顿量,在组合优化问题的求解目标为目标函数的最小值时,直接将变量代换后的目标函数作为目标哈密顿量;获取目标哈密顿量的泡利校验矩阵和系数集合;基于泡利校验矩阵和系数集合计算目标哈密顿量对应基态的稳定子;基于稳定子计算目标哈密顿量的基态能量,并基于基态能量得到目标函数的最大值或最小值。

    基于稳定子的基态能量计算方法及相关设备

    公开(公告)号:CN116523066B

    公开(公告)日:2023-09-12

    申请号:CN202310797558.6

    申请日:2023-07-03

    IPC分类号: G06N10/60 G06F17/16

    摘要: 本公开涉及一种基于稳定子的基态能量计算方法及相关设备,所述方法包括:获取目标量子体系的目标哈密顿量的泡利校验矩阵和系数集合;从系数集合中选出绝对值最大的目标系数,并从泡利校验矩阵中选出对应的目标行向量;在目标系数为正数时,将目标行向量取反后作为稳定子生成元,在目标系数为负数时,直接将目标行向量作为稳定子生成元;更新泡利校验矩阵,并相应更新系数集合;在稳定子生成元数量小于目标量子体系的量子比特数量时,返回执行从系数集合中选出绝对值最大的目标系数,并从泡利校验矩阵中选出对应目标系数的目标行向量的步骤;在数量相等时,基于稳定子生成元计算目标量子体系的基态能量。

    化合物性质预测模型的训练方法、化合物性质的预测方法

    公开(公告)号:CN116612835A

    公开(公告)日:2023-08-18

    申请号:CN202310877635.9

    申请日:2023-07-18

    摘要: 本发明公开了一种化合物性质预测模型的训练方法、化合物性质的预测方法,其中化合物性质预测模型的训练方法包括:获取第一数据集,第一数据集中包括多组训练数据,每组训练数据包括一个第一化合物和第一化合物的性质;对训练数据集中的多个第一化合物按照预设的特征数据库进行编码,得到训练数据集中的多个第一化合物的特征表示;利用编码后的训练数据集对预设的神经网络模型进行训练,得到化合物性质预测模型。由于在对神经网络模型的训练时,输入的是特征表示后的多个第一化合物,可以使得在对神经网络模型训练时,使得训练任务变轻,从而解决了深层模型难以训练,并且有大量的超参数需要调整的技术问题。

    基于动态规划和量子退火的RNA结构预测方法及系统

    公开(公告)号:CN117497092B

    公开(公告)日:2024-05-14

    申请号:CN202410002322.3

    申请日:2024-01-02

    摘要: 本公开涉及一种基于动态规划和量子退火的RNA结构预测方法及系统,该方法包括:获取目标氨基酸序列的单字母表示序列;将单字母表示序列输入隐马尔可夫模块,得到目标密码子组合;将目标密码子组合输入动态规划模块,选取密码子组合片段;密码子组合片段不包含终止密码子时,计算出密码子组合初选片段,调用优化器对密码子子结构进行打分,保存具有最高打分的密码子子结构的密码子组合片段;包含终止密码子时,输出最优RNA二级结构的完整密码子组合为第一候选密码子组合;将目标密码子组合的哈密顿量输入量子退火模块得到第二候选密码子组合;从第一候选密码子组合及第二候选密码子组合选出最优RNA二级结构的密码子组合。

    自旋玻璃系统基态能量计算的最大割问题求解方法及装置

    公开(公告)号:CN116502023B

    公开(公告)日:2023-09-19

    申请号:CN202310773773.2

    申请日:2023-06-28

    IPC分类号: G06F17/10 G06F30/39

    摘要: 本公开涉及一种最大割问题求解方法、装置、存储介质和电子设备,所述方法包括:获取最大割问题对应的有权无向图;计算有权无向图的初始的割权;确定有权无向图中权重的绝对值最大的目标边,并将割权加上目标边权重的绝对值的一半,得到更新后的割权;在权重为负数时,对目标边进行常规式边收缩,在权重为正数时,对目标边进行差分式边收缩;在更新后的有权无向图中存在边未被收缩时,返回执行确定有权无向图中权重的绝对值最大的目标边,并将割权加上目标边权重的绝对值的一半的步骤;否则,基于每一目标边的权重的正负情况,将有权无向图中的顶点划分为两个集合,并输出最后更新后的割权。

    基于稳定子的基态能量计算方法及相关设备

    公开(公告)号:CN116523066A

    公开(公告)日:2023-08-01

    申请号:CN202310797558.6

    申请日:2023-07-03

    IPC分类号: G06N10/60 G06F17/16

    摘要: 本公开涉及一种基于稳定子的基态能量计算方法及相关设备,所述方法包括:获取目标量子体系的目标哈密顿量的泡利校验矩阵和系数集合;从系数集合中选出绝对值最大的目标系数,并从泡利校验矩阵中选出对应的目标行向量;在目标系数为正数时,将目标行向量取反后作为稳定子生成元,在目标系数为负数时,直接将目标行向量作为稳定子生成元;更新泡利校验矩阵,并相应更新系数集合;在稳定子生成元数量小于目标量子体系的量子比特数量时,返回执行从系数集合中选出绝对值最大的目标系数,并从泡利校验矩阵中选出对应目标系数的目标行向量的步骤;在数量相等时,基于稳定子生成元计算目标量子体系的基态能量。

    最大割问题求解方法、装置、存储介质和电子设备

    公开(公告)号:CN116502023A

    公开(公告)日:2023-07-28

    申请号:CN202310773773.2

    申请日:2023-06-28

    IPC分类号: G06F17/10 G06F30/39

    摘要: 本公开涉及一种最大割问题求解方法、装置、存储介质和电子设备,所述方法包括:获取最大割问题对应的有权无向图;计算有权无向图的初始的割权;确定有权无向图中权重的绝对值最大的目标边,并将割权加上目标边权重的绝对值的一半,得到更新后的割权;在权重为负数时,对目标边进行常规式边收缩,在权重为正数时,对目标边进行差分式边收缩;在更新后的有权无向图中存在边未被收缩时,返回执行确定有权无向图中权重的绝对值最大的目标边,并将割权加上目标边权重的绝对值的一半的步骤;否则,基于每一目标边的权重的正负情况,将有权无向图中的顶点划分为两个集合,并输出最后更新后的割权。