Application and Innovation of Hybrid Quantum-Classical Algorithms in Antimicrobial Peptide Design and Optimization
第十九届“挑战杯”全国大学生课外学术科技作品竞赛参赛作品
| 角色 | 成员名单 |
|---|---|
| 队伍成员 | 王翊霖, 姜肇瑞, 陈亮锟, 谯望, 闫泽玮, 王妍珊, 王笑, 肖雯心, 章一舟, 李闻天 |
| 指导老师 | 王志敏, 崔鹏飞 |
作为一种新型的信息处理方法，量子计算基于量子力学揭示的不确定性和非局域性等基本原理进行信息处理，在处理某些问题时，相比经典计算具有指数加速效果。量子深度学习作为量子计算与深度学习的结合，处于前沿研究领域。它充分利用了量子计算机的高效计算能力和深度学习模型的复杂性，探索新的计算范式，在处理高维数据、加速训练过程以及解决传统算法难题方面展示了突出的潜力。其面临大量数据挑战时，量子计算与深度学习的结合有望降低深度学习成本，为深度学习算法的研究带来全新的灵感。
本项目基于机器学习方法实现对于抗菌肽（Antimicrobial Peptides, AMPs的分析和预测。
- 挑战：由于抗菌肽结构复杂，种类繁多，序列呈现出极度分散且长度差异大，导致传统模型难以提取特征，效率低下。
- 创新：
- PC6 编码：使用了 PC6 编码，提供了肽序列中每个氨基酸的六个理化性质。相较于 PC7、AC6、AC7 等编码方法，表现出更高的精确度、特异性和泛化能力。
- 数据处理：剔除极小部分极度不规则序列，并进行序列数据截断以最大限度保留其特征信息。
- QLSTM 模型：构造了 量子长短期记忆神经网络 (Quantum LSTM)。由变分量子线路（VQC）代替传统神经网络层。门控机制通过量子门操作量子比特的叠加态和纠缠态，使控制信息的流动方式更加复杂且多样。
通过数值实验，在大样本中噪声的抗菌肽理化性质预测任务中，本模型在精确度和学习效率上均优于传统长短期记忆神经网络。
本项目采用的数据集包含以下特征：
- PC6 编码序列集：利用氨基酸的理化性质进行高维编码。
- 预处理：
- 剔除序列长度小于 4 的数据。
- 对部分理化性质数据进行了归一化 (Normalization) 处理。
- 结构：编码后的数据 LSTM 层 取最后一位输出 全连接层 (FC) 预测结果。
- 设置：
- 损失函数：均方误差 (MSE)
- 优化器：Adam
- 学习率：
- 结构：编码后的数据 QLSTM 层 全连接层 (FC) 预测结果。
VQC 是 QLSTM 的核心组件，其处理流程如下：
- 编码层 (Encoding Layer)：使用双角编码法 (Angle Embedding) 将经典数据映射为量子态。
- 变分层 (Variational Layer)：
- 使用 CNOT 门使各个量子比特产生纠缠。
- Ansatz 线路通过旋转门调整参数。
- 测量层 (Measurement Layer)：测量量子状态并将期望值输出回经典神经网络。
本项目代码和模型基于 GNU General Public License v3.0 发布。 您可以免费用于学术研究和商业目的，但需遵守 GPL v3.0 协议。
Our model and code are released under GNU General Public License v3.0, and can be freely used for both academic and commercial purposes.
如果您在研究中使用了本项目的代码或模型，请引用以下内容：
@misc{wang2024hybrid,
title = {Application and Innovation of Hybrid Quantum-Classical Algorithms in Antimicrobial Peptide Design and Optimization},
author = {Wang, Yilin and Jiang, Zhaorui and Chen, Liangkun and Qiao, Wang and Yan, Zewei and Wang, Yanshan and Wang, Xiao and Xiao, Wenxin and Zhang, Yizhou and Li, Wentian},
year = {2024},
note = {The 19th "Challenge Cup" National College Student Extracurricular Academic Science and Technology Works Competition},
url = {https://github.com/yourusername/your-repo-name}
}