CN107229449A - 基于链置换的多位数值比较器的设计方法 - Google Patents

基于链置换的多位数值比较器的设计方法 Download PDF

Info

Publication number
CN107229449A
CN107229449A CN201710371922.7A CN201710371922A CN107229449A CN 107229449 A CN107229449 A CN 107229449A CN 201710371922 A CN201710371922 A CN 201710371922A CN 107229449 A CN107229449 A CN 107229449A
Authority
CN
China
Prior art keywords
chain
dna
design method
digital comparator
strand displacement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710371922.7A
Other languages
English (en)
Inventor
张强
施兰兰
周昌军
魏小鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University
Original Assignee
Dalian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University filed Critical Dalian University
Priority to CN201710371922.7A priority Critical patent/CN107229449A/zh
Publication of CN107229449A publication Critical patent/CN107229449A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/02—Comparing digital values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/123—DNA computing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及链置换领域，构造了一种基于DNA链置换的神经元感知器，实现了多位数值比较。在本发明中，设计了不同于以往方法中的输入模块，以双倍的DNA信号链的输入代表信号“11”和“00”，以单倍的DNA信号链的输入代表信号“01”，这种设计方法使反应更加稳定高效，得到的结果逻辑更加清晰易于理解。用布尔运算对感知器进行仿真验证，从实验得出的数据和与其他方法比较的实验结果来看，该方法误差小，反应速度快，结果稳定，说明了该发明中感知器设计的有效性。

Description

基于链置换的多位数值比较器的设计方法
技术领域
本发明涉及DNA链置换领域，具体涉及到利用DNA神经元构建模型，模拟仿真传统感知器的运算能力并实现多位数值比较的功能的方法。
背景技术
生物计算是利用数据分析、计算机语言和数学模型等获取有用信息，解决实际问题的一个过程，受到了越来越多的人的关注。其中，利用DNA分子作为信息存储单元的DNA分子计算是生物计算的一个重要分支，在分子水平上实现了生物系统与化学系统的反应平衡。DNA链置换作为DNA计算最常用的技术手段之一，越来越广泛地被应用于设计各种复杂的生物器件以及实现复杂的DNA计算中，这主要归因于DNA的信息存储能力强，体积小；基于DNA链置换的反应无需酶和外界能量的加入，常温环境下便可实现；DNA链置换反应的并行性高，反应速度快等特点。
在近几年的研究中DNA链置换技术也被应用到越来越多的领域，解决各种各样的实际问题，尤其是在数字电路，反馈控制电路，数学公式推导，神经网络等方面，也获得了不少的成果。2014年，Murieta等人提出了DNA链置换的计算模型，实现了贝叶斯公式的推导过程。2016年，Saulekar等人利用DNA链置换反应实现了非线性的反馈控制。同年，Lakin等人提出了自适应性DNA链置换网络的监督式学习模型，通过线性函数的随机梯度下降法设计了基于多域DNA链置换的反馈电路。
感知器是神经网络中用来进行模式识别的简单且重要的模型，用DNA链置换的方法构造DNA神经元感知器对生物计算的发展有重要的意义。本发明基于DNA链置换，构造了单层DNA神经元感知器和多层DNA神经元感知器，并将这两种感知器结合，构造了感知器的扩展模型，可以实现多位二进制数值的比较。本发明的模型不论是对生物计算领域还是神经网络领域的发展都具有重要意义。
发明内容
本发明的目的在于提出一种基于两域DNA链置换的DNA神经元感知器模型，将单层感知器与多层感知器相结合，构造扩展型感知器实现多位数值比较功能。
本发明的技术方案如下：
基于链置换的多位数值比较器的设计方法，包括以下步骤：
步骤1：输入两个多位二进制数；
步骤2：将两个多位二进制数分别差分成多个一位的二进制数，对应位上的两个数编成一组；
步骤3：生成相应的DNA信号链，并设置相应信号链的初始浓度；
步骤4：初始DNA信号链同时进入“与门”和“或门”参与反应，分别生成各自的中间产物链；
步骤5：两种门结构中产生的中间产物链进入“异或门”参与进一步反应，生成最终信号链；
步骤6：通过最终输出信号链的不同种类和浓度数值确定反应结果。
上述基于链置换的多位数值比较器的设计方法中，步骤1所述的两个多位二进制数的位数必须相同。
上述基于链置换的多位数值比较器的设计方法中，步骤4所述的DNA信号链进入“与门”和“或门”时，先与其中控制阈值的门结构参与反应，再置换出相应的中间产物链。
上述基于链置换的多位数值比较器的设计方法中，步骤6所述的不同的输出信号链代表不同的数值位，最终输出信号链有几种就代表有几位数值是不同的，同时也可以知道哪几位数值是不同的。
本发明的有益效果是：
1.本发明首次利用两域DNA链置换反应实现了多位数值比较器。
2.本发明实现的多位数值比较器可以准确对两个相同位数的二进制数值进行比较，准确得出两个数有几位和分别是哪几位不同。
3.本发明将多个DNA神经元级联，实现单层感知器和多层感知器功能的结合，达到数值比较的效果。
附图说明
图1为基于链置换的多位数值比较器的整体程序流程图；
图2为多位数值比较器的“与门”链置换反应模块图；
图3为多位数值比较器的“异或门”链置换部分反应模块图；
图4为实例1仿真结果图。
具体实施方式
下面结合附图对本发明作进一步说明。
结合图1的整体程序流程图，下面进行详细步骤介绍:
步骤1：输入两个相同位数的二进制数,以四位为例,(A1,A2,A3,A4)和(B1,B2,B3,B4)；
步骤2：将输入的二进制数进行拆分重组，相应位上的数为一组(A1，B1),(A2，B2),(A3，B3),(A4，B4)；
步骤3：根据输入信号生成相应的信号链，(A4，B4)生成的信号链是<t^x41>和<t^x42>,(A3，B3)生成的信号链是<t^x31>和<t^x32>,(A2，B2)生成的信号链是<t^x21>和<t^x22>,(A1，B1)生成的信号链是<t^x11>和<t^x12>；信号链的初始浓度由输入的信号值决定；
步骤4：初始信号链<t^x41>和<t^x42>，<t^x31>和<t^x32>，<t^x21>和<t^x22>，<t^x11>和<t^x12>分别进入“与门”模块进行反应(见图2)，生成相应的中间产物<t^y41>或<t^y42>，<t^y31>或<t^y32>，<t^y21>或<t^y22>，<t^y11>或<t^y12>；
步骤5：初始信号链<t^x41>和<t^x42>，<t^x31>和<t^x32>，<t^x21>和<t^x22>，<t^x11>和<t^x12>分别进入“或门”模块进行反应，生成相应的中间产物<t^y41>或<t^y42>，<t^y31>或<t^y32>，<t^y21>或<t^y22>，<t^y11>或<t^y12>；
步骤6：“与门”中生成的中间产物<t^y41>或<t^y42>，<t^y31>或<t^y32>，<t^y21>或<t^y22>，<t^y11>或<t^y12>和“或门”中生成的中间产物<t^y41>或<t^y42>，<t^y31>或<t^y32>，<t^y21>或<t^y22>，<t^y11>或<t^y12>同时进入“异或门”模块中进行反应(见图3)；
步骤7：“异或门”中将生成最终输出信号链<t^z4>,<t^z3>,<t^z2>和<t^z1>中的一种或多种；
步骤8：根据输出信号链的种类和数量判断最终结果，如果输出信号链中有<t^z4>，代表输入的两个二进制数的第四位数的数值不同，如果输出信号链中有<t^z3>，代表输入的两个二进制数的第三位数的数值不同，如果输出信号链中有<t^z2>，代表输入的两个二进制数的第二位数的数值不同，如果输出信号链中有<t^z1>，代表输入的两个二进制数的第一位数的数值不同，由此可以得出两个二进制数中有几位和哪几位是不同的。
实施例1
本发明的实施例是在以本发明技术方案为前提下进行实施的，运用Visual DSD软件仿真模拟，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述实施例。本实施例以四位二进制数“1001”和“1010”为例。
步骤1：输入两个四位二进制数A＝(1，0，0，1)和B＝(1，0，1，0)。
步骤2：将两个四位二进制数进行拆分重组，相应位上的数为一组即(A1，B1)＝(1,1)，(A2，B2)＝(0,0)，(A3，B3)＝(0,1)，(A4，B4)＝(1,0)。
步骤3：根据输入信号生成相应的信号链，(A4，B4)生成的信号链是<t^x41>和<t^x42>,(A3，B3)生成的信号链是<t^x31>和<t^x32>,(A2，B2)生成的信号链是<t^x21>和<t^x22>,(A1，B1)生成的信号链是<t^x11>和<t^x12>；信号链的初始浓度由输入的信号值决定，(A1，B1)＝(1,1)的信号链<t^x11>和<t^x12>的浓度分别是2N和0，(A2，B2)＝(0,0)的信号链<t^x21>和<t^x22>的浓度分别是0和2N，(A3，B3)＝(0,1)的信号链<t^x31>和<t^x32>的浓度都是N，(A4，B4)＝(1,0)的信号链<t^x41>和<t^x42>的浓度也都是N。
步骤4：浓度为0的信号链不参与反应，因此进入“与门”模块(见图2)，进行反应的信号链有<t^x11>、<t^x22>、<t^x31>和<t^x32>、<t^x41>和<t^x42>，“与门”阈值的设定为1.5和0.5(见表1和图2)，生成相应的中间产物<t^y11>、<t^y22>、<t^y32>和<t^y42>。
步骤5：进入“或门”模块进行反应的信号链有<t^x11>、<t^x22>、<t^x31>和<t^x32>、<t^x41>和<t^x42>生成的相应中间产物是<t^y11>、<t^y22>、<t^y31>和<t^y41>。
步骤6：“与门”中生成的中间产物<t^y11>、<t^y22>、<t^y32>和<t^y42>和“或门”中生成的中间产物<t^y11>、<t^y22>、<t^y31>和<t^y41>同时进入“异或门”模块中进行反应(见图3)。
步骤7：两倍的<t^y11>进入“异或门”模块没有输出信号，两倍的<t^y22>进入“异或门”模块也没有输出信号，一倍的<t^y31>和一倍的<t^y32>同时进入“异或门”模块生成最终输出信号链<t^z3>,一倍的<t^y41>和一倍的<t^y42>同时进入“异或门”模块生成最终输出信号链<t^z4>。
步骤8：根据输出的信号链是<t^z3>和<t^z4>(见图4)，可以判断出两个二进制数中有两位数值是不同的，分别是第三位数和第四位数。程序结束。
综上所述，通过将单层感知器的“与门”模块和“或门”模块与多层感知器的“异或门”模块相结合，将DNA神经元进行级联，设计了基于两域DNA链置换的多位数值比较器，并通过Visual DSD软件仿真模拟，进一步证明了多位数值比较器功能的有效性，由此证明该方法是有效可行的。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围内。
表1。

Claims (4)

1.基于链置换的多位数值比较器的设计方法，其特征在于，包括以下步骤：
步骤1：输入两个多位二进制数；
步骤2：将两个多位二进制数分别差分成多个一位的二进制数，对应位上的两个数编成一组；
步骤3：生成相应的DNA信号链，并设置相应信号链的初始浓度；
步骤4：初始DNA信号链同时进入“与门”和“或门”参与反应，分别生成各自的中间产物链；
步骤5：“与门”和“或门”结构中产生的中间产物链进入“异或门”参与进一步反应，生成最终输出信号链；
步骤6：通过最终输出信号链的不同种类和浓度数值确定反应结果。
2.根据权利要求1所述的基于链置换的多位数值比较器的设计方法，其特征在于：步骤1所述的两个多位二进制数的位数相同。
3.根据权利要求1所述的基于链置换的多位数值比较器的设计方法，其特征在于：步骤4所述的DNA信号链进入“与门”和“或门”时，先与其中控制阈值的门结构参与反应，再置换出相应的中间产物链。
4.根据权利要求1所述的基于链置换的多位数值比较器的设计方法，其特征在于：步骤6所述的不同的输出信号链代表不同的数值位，最终输出信号链有几种就代表有几位数值是不同的。
CN201710371922.7A 2017-05-24 2017-05-24 基于链置换的多位数值比较器的设计方法 Pending CN107229449A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710371922.7A CN107229449A (zh) 2017-05-24 2017-05-24 基于链置换的多位数值比较器的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710371922.7A CN107229449A (zh) 2017-05-24 2017-05-24 基于链置换的多位数值比较器的设计方法

Publications (1)

Publication Number Publication Date
CN107229449A true CN107229449A (zh) 2017-10-03

Family

ID=59933880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710371922.7A Pending CN107229449A (zh) 2017-05-24 2017-05-24 基于链置换的多位数值比较器的设计方法

Country Status (1)

Country Link
CN (1) CN107229449A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832726A (zh) * 2020-07-30 2020-10-27 郑州轻工业大学 基于dna链置换的三维混沌振荡系统pi控制的实现方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783672A (zh) * 2010-02-09 2010-07-21 南通大学 四位可逆数值比较器
CN105763200A (zh) * 2016-02-05 2016-07-13 大连大学 基于链置换的4-10译码器设计方法
CN105930586A (zh) * 2016-04-21 2016-09-07 郑州轻工业学院 基于局域性dna发卡链置换反应的异或门及求反电路
CN106027033A (zh) * 2016-05-23 2016-10-12 郑州轻工业学院 一种基于dna双螺旋结构的光激性逻辑电路的设计方法
CN106126191A (zh) * 2016-06-06 2016-11-16 大连大学 基于映射模块的16位加减法器的方法
CN106650306A (zh) * 2016-12-23 2017-05-10 大连大学 基于链置换的四位bcd码加法器的设计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783672A (zh) * 2010-02-09 2010-07-21 南通大学 四位可逆数值比较器
CN105763200A (zh) * 2016-02-05 2016-07-13 大连大学 基于链置换的4-10译码器设计方法
CN105930586A (zh) * 2016-04-21 2016-09-07 郑州轻工业学院 基于局域性dna发卡链置换反应的异或门及求反电路
CN106027033A (zh) * 2016-05-23 2016-10-12 郑州轻工业学院 一种基于dna双螺旋结构的光激性逻辑电路的设计方法
CN106126191A (zh) * 2016-06-06 2016-11-16 大连大学 基于映射模块的16位加减法器的方法
CN106650306A (zh) * 2016-12-23 2017-05-10 大连大学 基于链置换的四位bcd码加法器的设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张成 等: "自组装DNA 链置换分子逻辑计算模型", 《科学通报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832726A (zh) * 2020-07-30 2020-10-27 郑州轻工业大学 基于dna链置换的三维混沌振荡系统pi控制的实现方法

Similar Documents

Publication Publication Date Title
CN108090093B (zh) 生成推荐结果的方法和装置
Sornette et al. Algorithm for model validation: Theory and applications
Zhang et al. Finite automata approach to observability of switched Boolean control networks
CN104598611A (zh) 对搜索条目进行排序的方法及系统
Yang et al. In-context operator learning with data prompts for differential equation problems
CN115759413B (zh) 一种气象预测方法、装置、存储介质及电子设备
Huang et al. SDARE: A stacked denoising autoencoder method for game dynamics network structure reconstruction
CN110580213A (zh) 一种基于循环标记时间点过程的数据库异常检测方法
Repsilber et al. Reverse engineering of regulatory networks: simulation studies on a genetic algorithm approach for ranking hypotheses
CN113610349B (zh) 一种基于离散型Hopfield神经网络的化学实验室风险预警方法
Chen et al. A Gaussian approximation of marginal likelihood in relevance vector machine for industrial data with input noise
CN107229449A (zh) 基于链置换的多位数值比较器的设计方法
Lv et al. An improved test selection optimization model based on fault ambiguity group isolation and chaotic discrete PSO
EP2180434A1 (en) Electronic system for emulating the chain of the dna structure of a chromosome
Yang et al. A neural network learning algorithm of chemical process modeling based on the extended Kalman filter
Chen et al. Inference for network structure and dynamics from time series data via graph neural network
CN116432359A (zh) 基于元迁移学习的变拓扑网络潮流计算方法
CN114386332B (zh) 基于edc-lstm模型的土壤湿度预测方法、装置及存储介质
Wang et al. Estimation of wind pressure field on low-rise buildings based on a novel conditional neural network
CN112735604B (zh) 一种基于深度学习算法的新型冠状病毒分类方法
El-Sebakhy Functional networks training algorithm for statistical pattern recognition
Ravi et al. Intuitionistic fuzzy automaton for approximate string matching
CN115700614A (zh) 一种量子生成器、控制方法及量子生成对抗网络
Tang et al. Tuning the structure and parameters of a neural network by using cooperative quantum particle swarm algorithm
CN104866588A (zh) 一种针对单个不确定图的频繁子图挖掘方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171003

WD01 Invention patent application deemed withdrawn after publication