基于量子卷积神经网络算法的 HIV-1 蛋白酶切割位点检测
量子物理
2025-10-03 v1
摘要
本研究提出一种基于量子卷积神经网络（QCNN）的框架，采用神经量子嵌入（NQE）来预测来自病毒和人类蛋白质的氨基酸序列中 HIV-1 蛋白酶的切割位点。为评估该框架的有效性和鲁棒性，我们在无噪声和噪声模拟条件下将其分类性能与经典神经网络进行比较。在实验条件下，采用角度编码和幅度编码 NQE 条件下的 QCNN 始终优于规模相似的经典对手，在不同量子比特数（4 比特和 8 比特 QCNN 的平均性能分别为 0.9146 和 0.8929 / 经典神经网络的平均性能分别为 0.6125 和 0.8278）方面表现更佳。采用 NQE 的 QCNN 在量子硬件噪声下表现稳定，确认其适用于面向噪声中间规模量子（NISQ）硬件的生物医学数据分析。本研究首次将 NQE 增强的 QCNN 应用于 HIV-1 切割位点分类，为可扩展且抗噪声的量子机器学习在生物医学数据上的应用提供了新见解。
引用
@article{arxiv.2510.01993,
title = {HIV-1 protease cleavage sites detection with a Quantum convolutional neural network algorithm},
author = {Junggu Choi and Junho Lee and Kyle L. Jung and Jae U. Jung},
journal= {arXiv preprint arXiv:2510.01993},
year = {2025}
}
备注
45 pages, 20 figures