[發(fā)明專利]基于量子CNN-LSTM的睡眠分段方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210406440.1
• 申請(qǐng)日: 2022-04-18
• 公開（公告）號(hào): CN114967911A
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 張方言
• 申請(qǐng)（專利權(quán)）人: 上海圖靈智算量子科技有限公司
• 主分類號(hào): G06F3/01
• 分類號(hào): G06F3/01;G06N3/04;G06N3/08;A61B5/00;A61B5/369
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種基于量子CNN?LSTM的睡眠分段方法，屬于量子計(jì)算領(lǐng)域。該方法通過將睡眠腦電波信息編碼為對(duì)應(yīng)的量子態(tài)，并輸入量子CNN?LSTM中進(jìn)行演化，最終輸出睡眠分段的類別信息。所以，本發(fā)明提出的基于量子CNN?LSTM相比較經(jīng)典的CNN?LSTM，可以準(zhǔn)確提取睡眠腦電特征，解決CNN?LSTM中某一模塊運(yùn)算具有高度并行性并消耗大量計(jì)算資源的問題，并減少了參數(shù)量，使量子芯片和電子芯片能能夠很好地協(xié)同工作。

技術(shù)領(lǐng)域

本發(fā)明涉及量子計(jì)算技術(shù)領(lǐng)域，具體涉及一種基于量子CNN-LSTM的睡眠分段方法。

背景技術(shù)

睡眠對(duì)人類來說是一個(gè)至關(guān)重要的過程，它影響著人們?nèi)粘；顒?dòng)的各個(gè)方面。根據(jù)研究表明睡眠質(zhì)量好的人會(huì)享有更好的健康和大腦功能；另一方面，睡眠時(shí)間中斷會(huì)導(dǎo)致一些睡眠障礙，如失眠或者睡眠呼吸暫停，特別是，睡眠階段(如輕度睡眠和深度睡眠)對(duì)免疫系統(tǒng)、記憶和新陳代謝都很重要。因此，需要通過睡眠檢測(cè)和睡眠分段來測(cè)量睡眠質(zhì)量。

基于經(jīng)典的CNN_LSTM算法是人工智能領(lǐng)域的研究熱點(diǎn)，被應(yīng)用在多種應(yīng)用場(chǎng)景，如生物醫(yī)藥、材料、神經(jīng)科學(xué)等，然而這些模型的運(yùn)行都需要消耗大量的計(jì)算資源。在過去算法運(yùn)行的計(jì)算資源主要由電子集成電路制造的芯片提供，而隨著電子遂穿效應(yīng)對(duì)制程接近納米極限后的制約，算力很難再持續(xù)提升。量子計(jì)算芯片是對(duì)電子芯片計(jì)算方式的補(bǔ)充，然而經(jīng)典的CNN_LSTM算法在量子芯片上的運(yùn)行無法按照其在電子芯片上的方式進(jìn)行處理。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述問題而進(jìn)行的，目的在于提供一種基于量子CNN-LSTM的睡眠分段方法。

本發(fā)明提供一種基于量子CNN-LSTM的睡眠分段方法，具有這樣的特征：獲取睡眠腦電波信息并編碼為對(duì)應(yīng)的量子態(tài)；將所述量子態(tài)輸入量子CNN-LSTM中進(jìn)行演化，測(cè)量后即得睡眠分段的類別信息。

本發(fā)明提供的方法中，還具有這樣的特征：其中，所述量子CNN-LSTM包括量子CNN與量子LSTM，所述量子CNN用于對(duì)所述睡眠腦電波信息進(jìn)行特征提取后得到睡眠腦電特征；所述量子LSTM用于學(xué)習(xí)所述睡眠腦電特征中的時(shí)序特征，演化后輸出睡眠分段的類別信息。

本發(fā)明提供的方法中，還具有這樣的特征：其中，所述量子CNN包括量子卷積模塊與量子池化模塊；所述量子卷積模塊包括參數(shù)化泡利旋轉(zhuǎn)門；所述量子池化模塊包括參數(shù)化泡利旋轉(zhuǎn)門與受控門。

本發(fā)明提供的方法中，還具有這樣的特征：其中，所述量子CNN還包括約化密度矩陣操作，從而提取得到所述睡眠腦電特征。

本發(fā)明提供的方法中，還具有這樣的特征：其中，量子LSTM包括第一量子線路、第二量子線路、第三量子線路及第四量子線路，第一量子線路用于遺忘細(xì)胞狀態(tài)的先前睡眠腦電特征；第二量子線路用于輸入當(dāng)前的睡眠腦電特征；第三量子線路用于更新細(xì)胞狀態(tài)當(dāng)前的所有睡眠腦電特征；第四量子線路用于確定先前隱藏狀態(tài)下需要保留的睡眠腦電特征。

本發(fā)明提供的方法中，還具有這樣的特征：其中，第一量子線路的表達(dá)式如下：

f_t*C_t-1＝σ'(VQC₁(x_t+h_t-1))*C_t-1

f_t為遺忘門，C_t-1為先前的細(xì)胞狀態(tài)，σ'為量子非線性激活函數(shù)，VQC₁為第一變分量子線路，x_t為t時(shí)刻的睡眠腦電特征，h_t-1為t-1時(shí)刻的睡眠腦電特征生成的隱藏狀態(tài)。

本發(fā)明提供的方法中，還具有這樣的特征：其中，第二量子線路的表達(dá)式如下：