研究使用量子自然语言处理框架将蛋白质序列解析为参数化量子电路，解决蛋白质相关的机器学习问题。研究展示了两种量子张量网络，并使用经典神经网络的灵感解决二元分类任务。最佳量子模型准确率达94%，仅需约800个参数。研究表明，这些混合模型有潜力与经典模型竞争。