基于DNA支点介导链置换反应技术的非线性神经网络制造技术

本发明专利技术提出了一种基于工程DNA链置换模拟电路的新型神经网络，该神经网络由催化反应模块、降解反应模块以及调节反应模块构成，并具有类似于误差反向传播型神经网络，即BP型神经网络的框架结构，可分为输入层、隐藏层和输出层三部分。与BP型神经网络不同的是，该神经网络的学习能力并不依赖于某种算法，而是结合DNA链置换的反应特点，依靠反应网络的动力学自适应性，在DNA链置换反应达到动态平衡时，实现权值的更新，并使该神经网络具有监督式学习的能力，可对标准二次型函数进行拟合。可对标准二次型函数进行拟合。可对标准二次型函数进行拟合。

【技术实现步骤摘要】
基于DNA支点介导链置换反应技术的非线性神经网络


[0001]本专利技术涉及生物计算及人工智能领域，涉及一种基于DNA支点介导链置换反应技术的非线性神经网络。

技术介绍

[0002]近年来，半导体器件的尺寸已经达到了几纳米级别，但由于物理限制，集成电路在不久的将来将无法按照摩尔定律继续发展下去。正是在这样的背景下，具有更小微观尺寸的计算机成为计算需求的主要对象。目前，人工智能实现的主要平台为电子计算机，因此，人工智能的发展必然受到了电子计算机自身性能发展的限制。电子计算机采用线性的数据放置模式和串行的信息处理方式，而这种信息存储和处理方式会限制计算机的运算速度，而生物计算机由于生化反应本身的优势，可实现信息的并行处理和运算，对于解决大规模NP问题具有巨大优势。
[0003]半合成生物学作为一种新的半导体技术，由于DNA或RNA具有出色的信息存储和处理能力，可能会引导一种全新的存储和计算模式。DNA由四种核苷酸A、T、G、C组成，它们将DNA转化为具有复杂结构的多种DNA链。在无生物酶的催化作用下，在室温下即可触发DNA链置换反应。DNA支点介导的链置换反应的动力学性质严格遵循Watson
–
Crick碱基配对原理，因此其动力学行为是可预测和可控的，并具有高度的可编程性和级联性，可实现多种复杂功能，如逻辑计算、模拟计算、生物传感器和分子步行器等。DNA链置换反应可以忠实地模拟任何抽象化学反应网络的动力学构造具有计算功能的逻辑门和运算模块，并实现分布式计算，成为实现生物计算机的重要基底。
>[0004]人工智能通过对神经元之间信息传递方式的生物特性的模拟，实现人脑的推理、判断及归类等功能，与电子器件相比，DNA计算则是利用分子器件自身的生物特性实现人脑的部分功能，因此，利用DNA计算的方法实现人工智能的方法可能更接近人脑的学习本质，也更有可能实现真正的人脑功能。

技术实现思路

[0005]本专利技术设计了基于DNA支点介导链置换反应技术的非线性神经网络，该神经网络具有类似于BP神经网络的框架结构，利用DNA链置换反应的可编译性，构造了多个带有荧光标记的反应模块，并将多个反应模块级联成网络的输入层、隐藏层和输出层，进而搭建完整的神经网络，实现标准二次型函数的学习功能。
[0006]第一部分：基于理想化反应的非线性神经网络的设计
[0007]基于DNA支点介导链置换反应技术的非线性神经网络，描述如下形式：
[0008][0009][0010][0011][0012][0013][0014][0015][0016][0017][0018][0019][0020][0021]其中n＝1,2,
…
,L；j＝1,2,
…
,M；X
i
、Y
j
、W
in
和V
nj
为信号参与物，X
i
和Y
j
的浓度表征输入数据，W
in
和V
nj
的浓度代表输入层和隐藏层部分的权值；k
s
,s＝1,
…
,14为反应速率。如图2所示，非线性神经网络由输入层、隐藏层和输出层三部分组成，其中反应(1)、(2)、(9)和(11)构成了输入层，反应(3)、(4)、(5)、(6)、(10)和(12)构成了隐藏层，反应(7)、(8)和(13)构成了输出层。
[0022]根据理想化反应(1)
‑
(13)，In、I
′
n、I
″
n和的微分方程为：
[0023][0024]当In、I
′
n、I
″
n和达到反应平衡时，有
[0025][0026]可得到如下方程组(15):
[0027][0028]其中y＝ψ(*)代表激活函数，由于二次函数的右半只满足激活函数的要求，而且易于被DNA链置换反应实现，因此本专利技术中激活函数选取为二次函数y＝x2的右半部分。
[0029]第二部分：非线性神经网络的DNA实现
[0030]反应方程(1)
‑
(13)由不同的反应模块构成，其中方程(1)和(5)属于催化反应模块1；方程(1)和(5)属于催化反应模块1；方程(2)、(4)、(6)和(8)属于降解反应模块；方程(9)和(10)属于调节反应模块1；方程(11)
‑
(13)属于催化反应模块2。上述反应模块可由如下的DNA链置换反应实现：
[0031](I)催化反应模块1：
[0032]催化反应模块1的理想化反应方程为：它可由如下DNA链置换反应得到：
[0033][0034]其中I
i
被催化，X
i
为信号DNA链，W
i
为权值报告链A
i
、Pa
i
、Pc
i
和Pd
i
为辅助DNA链，且辅助DNA链的初始浓度为C
m
，并满足C
m
≥[X
i
]0,[W
i
]0,[I
i
]0，[*]0表示*的初始浓度。反应速率q
i
和k
i
满足q
i
≤q
m
，k
i
＝q
i
，q
m
表示最大反应速率。
[0035](II)催化反应模块2：
[0036]催化反应模块2的理想化反应方程为：它可由如下DNA链置换反应得到：
[0037][0038]其中I
i
被催化，X
i
为信号DNA链，Ga
i
,E
i
,F
i
,Gd
i
,Ge
i
,J
i
及K
i
为辅助DNA链，且辅助DNA链的初始浓度为C
m
，并满足C
m
≥[Y
i
]0,[I
i
]0；反应速率q
i
满足q
i
≤q
m
，k
i
＝q
i
。
[0039](III)降解反应模块：
[0040]降解反应模块2的理想化反应方程为：它可由如下DNA链置换反应得到：
[0041][0042]其中I
i
被降解，Fa
i
,C
i
,Fc
i
及Fd
i
为辅助DNA链，且辅助DNA链的初始浓度为C
m
，并满足C
m
≥[Y
i
]0,[I
i
]0；反应速率q
i
满足q
i
≤q本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：1.基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，描述如下形式：其中n＝1,2,
…
,L；j＝1,2,
…
,M；X
i
、Y
j
、W
in
和V
nj
为信号参与物，X
i
和Y
j
的浓度表征输入数据，W
in
和V
nj
的浓度代表输入层和隐藏层部分的权值；k
s
,s＝1,
…
,14为反应速率；非线性神经网络由输入层、隐藏层和输出层三部分组成，其中反应(1)、(2)、(9)和(11)构成了输入层，反应(3)、(4)、(5)、(6)、(10)和(12)构成了隐藏层，反应(7)、(8)和(13)构成了输出层。2.如权利要求1所述的基于DNA支点介导链置换反应技术的非线性神经网络，其特征在于，所述的反应方程(1)
‑
(13)由不同的反应模块构成，其中方程(1)和(5)属于催化反应模块1；方程(1)和(5)属于催化反应模块1；方程(2)、(4)、(6)和(8)属于降解反应模块；方程(9)和(10)属于调节反应模块1；方程(11)
‑
(13)属于催化反应模块2；上述反应模块可由如下的DNA链置换反应实现：(I)催化反应模块1：
催化反应模块1的理想化反应方程为：它可由如下DNA链置换反应得到：其中I
i
被催化，X
i
为信号DNA链，W
i
为权值报告链A
i
、Pa
i
、Pc
i
和Pd
i
为辅助DNA链，且辅助DNA链的初始浓度为C
m
，并满足C
m
≥[X
i
]0,[W
i
]0,[I
i
]0，[*]0表示*的初始浓度；反应速率q
i
和k
i
满足q
i
≤q
m
，k
i
＝q
i
，q
m
表示最大反应速率；(II)催化反应模块2：催化反应模块2的理想化反应方程为：它可由如下DNA链置换反应得到：其中I
i
被催化，X
i
为信号DNA链，Ga
i
,E
i
,F<...

【专利技术属性】
技术研发人员：邹成业，张强，王鹏飞，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：