基于量子窥孔LSTM神经网络的抗菌肽预测方法及系统

本发明提出一种基于量子窥孔LSTM神经网络的抗菌肽预测方法及系统，引入窥孔连接使输入门、遗忘门和输出门直接利用前一时间步的细胞状态信息，使得LSTM能够在每个时间步中更准确地控制信息流动，提高了序列处理能力和信息传递的精度，弥补了传统LSTM中门控单元无法完全感知细胞状态变化的不足，从而显著提高了模型对细微状态变化的感知能力和对序列数据的敏感性。通过量子线路来实现门控操作，从而将量子计算的优势引入时间序列建模之中。