-
公开(公告)号：CN111260039A
公开(公告)日：2020-06-09
申请号：CN202010369831.1
申请日：2020-05-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于辅助任务学习的视频游戏决策方法，包括以下步骤：S1、构建神经网格模型；S2、启动多进程视频游戏环境；S3、判断是否运行了指定轮次，如果否，则进入步骤S4，如果是，则进入步骤S6；S4、获取游戏经验，更新经验池；S5、将经验输入到神经网格模型，更新神经网格模型参数，返回步骤S3；S6、保存神经网格模型；S7、在视频游戏里利用神经网格模型决策；S8、结束。本发明的有益效果是：可以更准确地估计三维场景中的状态价值以及引起状态改变的智能体动作。
-
公开(公告)号：CN119889451A
公开(公告)日：2025-04-25
申请号：CN202411684130.1
申请日：2024-11-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B40/00 , G16B20/00 , G06F18/15 , G06F18/25 , G06N3/042 , G06N3/044 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了基于图卷积神经网络的合成致死基因对预测方法、装置、终端及介质。合成致死基因对预测方法包括：基于蛋白质结构数据获取蛋白质的结构特征；基于蛋白质序列数据获取蛋白质的序列特征；基于蛋白质‑蛋白质相互作用网络获取蛋白质的功能特征；将蛋白质的结构特征、序列特征和功能特征进行合并与标准化，获得蛋白质的主要生成基因的基因特征；获取基因间的相互作用，以基因间的相互作用和基因特征训练基于图卷积神经网络的合成致死基因对预测模型；基于训练好的合成致死基因对预测模型获得每个基因的最终特征表示，根据最终特征表示预测两个基因是否为合成致死基因对。该方法提高了特征提取的效率和对基因相互作用的预测能力。
-
公开(公告)号：CN119886379A
公开(公告)日：2025-04-25
申请号：CN202510370813.8
申请日：2025-03-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳量旋科技有限公司
Abstract: 本发明公开了一种基于自适应先验概率的量子纠错码置信传播译码方法、系统及终端，所述方法包括：通过指数加权平均方法对量子比特的每种泡利错误发生的先验概率进行自适应更新，以进行每轮迭代的动态初始化；根据和积算法更新校验节点传递至与所述校验节点连接的所有邻接变量节点的消息，得到更新后的水平消息；根据和积算法更新变量节点传递至与变量节点连接的所有邻接校验节点的消息，得到更新后的垂直消息；基于先验信息、更新后的水平消息以及更新后的垂直消息，计算后验信息以得到对真实错误的估计。本发明通过自适应地调整先验信息，提高了高简并量子码的译码精度和收敛速率，同时维持计算复杂度的不变，有利于容错量子计算的工程化实现。
-
公开(公告)号：CN119855480A
公开(公告)日：2025-04-18
申请号：CN202411982252.9
申请日：2024-12-27
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种蓝宝石衬底通孔、超导量子芯片制造方法及超导量子芯片。所述蓝宝石衬底通孔制造方法包括：清洗并干燥蓝宝石衬底；将清洗并干燥后的蓝宝石衬底固定于三维定位平台上，该三维定位平台用于根据预定的加工位置移动所述蓝宝石衬底，以实现相对加工的贝塞尔光束纳米级的位移；通过飞秒激光光源系统，按照预设的激光工艺参数，发射贝塞尔光束，并按照预设的激光扫描路径，使贝塞尔光束聚焦至蓝宝石衬底待加工通孔的至少一个位置，对所述至少一个位置进行通孔加工。本发明解决了蓝宝石衬底上难开通孔的问题，满足了超导量子芯片中蓝宝石衬底上通孔高质量要求，为未来超导量子比特大规模扩展的实现提供了解决方案。
-
公开(公告)号：CN119855479A
公开(公告)日：2025-04-18
申请号：CN202411986621.1
申请日：2024-12-26
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种约瑟夫森结、超导量子芯片制备方法及相关产品。所述约瑟夫森结的制备方法包括：在衬底上旋涂第一层光刻胶并烘烤；再次旋涂第二层光刻胶并烘烤；对第一层光刻胶和第二层光刻胶进行曝光并在曝光后显影，在第一层光刻胶和第二层光刻胶中形成交叉形间隙的图案；对显影后的衬底使用等离子体对交叉形间隙中残留的光刻胶进行清洗；然后再把衬底放入TMAH溶液中浸泡以去除交叉形间隙处残留的光刻胶；在交叉形间隙中蒸镀相互交叉的金属沉积层；剥离剩余的第一层光刻胶和第二光刻胶，得到约瑟夫森结。本发明在基本不影响阻挡层光刻胶侧壁尺寸的情况下，可很好地去除交叉形间隙残留的光刻胶，提高了约瑟夫森结的制备质量和超导量子芯片的性能。
-
Patent Agency Ranking
公开(公告)号：CN119028436B
公开(公告)日：2025-04-11
申请号：CN202410945326.5
申请日：2024-07-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B25/00 , G16B5/00 , G16B40/00 , G16B30/10 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于异构网络的多物种蛋白质功能预测方法及系统，所述方法包括：使用ESM‑2模型对蛋白质序列进行特征提取，得到序列特征；构建蛋白质的结构接触图，基于图卷积和层次图池化的结构模型对结构接触图训练，提取结构特征；将序列特征和结构特征进行拼接，根据PPI网络和同源相似性网络构建跨物种的异构网络；在训练阶段，使用结构特征和序列特征在异构网络上传播，并在传播时使用图注意力机制更新节点向量；在预测阶段，加入训练集的GO标签进行网络传播，将蛋白质表示和GO标签的传播结果进行线性组合，得到最终的GO标签预测概率。本发明提高了多物种蛋白质功能预测的预测效果，实现了功能标签的跨物种传播。
-
公开(公告)号：CN118982064B
公开(公告)日：2025-03-11
申请号：CN202411473105.9
申请日：2024-10-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/098 , G06N3/0464
Abstract: 本申请公开了去中心化的联邦学习方法、系统及相关设备，涉及计算机技术领域，包括：联邦学习的组织者和参与者加入区块链；组织者将参与者划分为普通节点和委员会节点；各节点基于区块链获取联邦学习任务配置信息和待训练的全局模型并进行本地模型更新获得前一轮次训练完成后的本地模型；普通节点对前一轮次训练完成后的本地模型进行训练获得当前轮次的本地训练模型并上传至区块链；委员会节点通过区块链获取本地训练模型以确定普通节点的贡献度评分及当前轮次训练完成后的全局模型，并确定委员会节点对应的贡献度评分；响应于触发委员会节点更新事件，组织者重新进行节点身份划分。如此，有利于提高联邦学习过程中模型训练的准确性。
-
公开(公告)号：CN119093880A
公开(公告)日：2024-12-06
申请号：CN202411414476.X
申请日：2024-10-10
Applicant: 深圳量旋科技有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了变频电路、发射模块、量子测控系统及量子计算设备。变频电路中，第一90度混合电桥的主端用于接收本振信号，第一90度混合电桥的两个支路端分别与第一混频器的本振端以及第二混频器的本振端连接；第二90度混合电桥的主端用于接收中频信号或射频信号，第二90度混合电桥的两个支路端分别与第一混频器的输入端以及第二混频器的输入端连接；第一90度混合电桥的隔离端以及第二90度混合电桥的隔离端与对应的端接电阻连接；第一混频器的输出端以及第二混频器的输出端与波形合并元件连接，将混频信号进行波形合并处理输出。发射模块、量子测控系统、量子计算设备都包括该变频电路。具有该变频电路的模块、系统、设备的成本较低且集成度较高。
-
公开(公告)号：CN118280435A
公开(公告)日：2024-07-02
申请号：CN202410311424.3
申请日：2024-03-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了基于异构网络的癌症驱动基因挖掘和可解释性分析方法，方法包括：构建多组学异构网络，并通过所述多组学异构网络提取节点初始特征；通过沿特定元路径随机游走的方式构建信息传递子图，并进行基于元路径的异构网络特征提取，得到基因节点的表示向量；将基因节点的表示向量输入多层线性分类器，利用所述多层线性分类器进行节点分类，输出癌症驱动基因的分析结果。本发明通过包含多头注意力和自注意力机制的网络表征算法计算元路径内部的表示向量，以及通过全局注意力的方式计算每种元路径对于分类问题的贡献权重，可以得到一个鲁棒性更强效果更好的癌症驱动基因预测结果。
-
公开(公告)号：CN117393143B
公开(公告)日：2024-06-25
申请号：CN202311316888.5
申请日：2023-10-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质，该方法包括：基于环状RNA及相关信息构建环状RNA的异构网络，所述异构网络包括环状RNA节点和疾病节点；将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量；基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此，通过图表示学习模型学习异构网络中各个节点的表示向量，再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分，提高了异构网络构建的灵活性，使得图表示学习模型能获得更丰富的节点表示，提高了环状RNA‑疾病预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
255
records
(took 0.067 seconds)
