Принцип работы ДНК-компьютера
Обновлено: 21.11.2024
Каждая отдельная клетка, из которой состоит живой организм, несет информацию для различных функций, необходимых для выживания клетки. Эта генетическая информация в каждой клетке хранится в молекулах, называемых нуклеиновыми кислотами. Наиболее стабильная форма нуклеиновых кислот называется дезоксирибонуклеиновой кислотой (ДНК). Каждая из цепей ДНК образует спиральные структуры, которые представляют собой длинные полимеры из миллионов связанных нуклеотидов. Эти нуклеотиды состоят из одного из четырех азотистых оснований, пятиуглеродного сахара и фосфатной группы. Азотистые основания - А (аденин), Т (тимин), G (гуанин), С (цитозин) кодируют генетическую информацию, а остальные обеспечивают структурную стабильность. Нити связаны друг с другом по правилу спаривания оснований: Т с А и С с G. Расположение этих оснований важно, поскольку они определяют функциональность разных генов.
Что такое вычисления ДНК
ДНК-вычисления – это область естественных вычислений, основанная на концепции выполнения логических и арифметических операций с использованием молекулярных свойств ДНК путем замены традиционных углеродных/кремниевых чипов биочипами. Это позволяет выполнять массивно-параллельные вычисления, когда сложные математические уравнения или задачи могут быть решены за гораздо меньшее время. Следовательно, со значительным количеством самовоспроизводящейся ДНК вычисления намного эффективнее, чем традиционный компьютер, для которого требуется гораздо больше аппаратного обеспечения. Для создания алгоритмов, которые будут выполняться в вычислениях ДНК, требуется хороший опыт работы с биологией и информатикой. Информация или данные вместо того, чтобы храниться в двоичных цифрах, теперь будут храниться в виде оснований A, T, G, C. Возможность искусственного синтеза коротких последовательностей ДНК позволяет использовать эти последовательности в качестве входных данных для алгоритмов.
Приложения
Первая теория вычисления ДНК была предложена Леонардом Адлеманом в 1994 году[1]. Он проверил свою экспериментальную теорию с помощью гамильтоновой задачи о путях с семью точками, также называемой задачей коммивояжера. Коммивояжеру в этой задаче нужно найти кратчайший путь между семью городами, расстояния которых известны таким образом, чтобы он не пересекал ни один город дважды и возвращался в исходный город. Адлеман представил каждый город короткой последовательностью ДНК с примерно 20 основаниями и комплементарной цепью с 20 основаниями в виде улицы между городами. Все фрагменты способны связываться друг с другом. Когда фрагменты были помещены в пробирку и смешаны, естественные тенденции связывания ДНК создали 109 образований или растворов менее чем за секунду. Не все были правильными, и ему потребовалась неделя, чтобы экстраполировать и отфильтровать кратчайший путь с помощью различных методов.
Хотя это решение не было идеальным, эта демонстрация открыла шлюзы для широкого спектра возможностей и приложений. Ниже перечислены несколько разрабатываемых приложений.
Безопасность
Использование алгоритмов ДНК в криптографии[2] для построения модели обнаружения вторжений является самой последней разработкой. Возможность хранить 108 терабайт данных в 1 грамме ДНК привела к потенциальному хранению огромного одноразового блокнота. Другим примером является стеганография ДНК, в которой использовался новый метод для сокрытия сообщений в микроточках. Вместо традиционной двоичной кодировки каждая буква обозначалась тремя химическими основаниями, т.е. буква А кодировалась CGA. Затем эти сообщения кодируются в последовательности ДНК и скрываются путем смешивания их в пробирке с большим количеством случайно обработанной ультразвуком ДНК человека. Это приводило к образованию микроточек, которые затем декодировались приемником с соответствующими праймерами (короткая последовательность с комплементарными основаниями). Однако такие методы шифрования были сопряжены с проблемами. Отсутствие теоретической основы для объяснения реализации и разработки хороших схем кажется проблемой. Их также дорого применять, а для анализа требуется современная инфраструктура.
Расписание
Алгоритм, основанный на вычислениях ДНК, был представлен для решения проблемы планирования заданий Чжисином и др.[3]. Чтобы объяснить модель с шестью задачами, он продемонстрировал рабочие операции, имитируя метод, используемый для задачи о гамильтоновом пути. Однако это был не первый раз, когда Ватада [4] в начале 2000 года использовал алгоритмы ДНК для разработки систем расписания лифтов и реорганизации гибкой производственной системы. Однако из-за отсутствия теоретической базы учитывались только задачи среднего масштаба.
Кластеризация
Кластеризация связана с получением важных взаимосвязей в сложном наборе данных путем создания структуры с использованием различных концепций и алгоритмов. Кластеризация на основе ДНК предполагает использование нитей для обозначения ребер и вершин. Для каждого созданного кластера выполняются итерационные расчеты для повышения качества.Этот метод представляет особый интерес при работе с большими разнородными данными с неизвестным количеством кластеров. Это помогает уменьшить временную сложность за счет высокого параллелизма ДНК.
За и против
Использование цепочек ДНК для вычислений привело к высокому уровню параллельных вычислений, что компенсирует медленную обработку чипа. Объем памяти, требуемый ДНК, составляет около 1 бита на кубический нанометр, что намного меньше по сравнению с обычными системами хранения. Потребление энергии почти равно нулю, поскольку химические связи в ДНК производят энергию для создания или восстановления новых цепей. Однако для результата, полученного в результате таких вычислений, потребуются сложные дорогостоящие инструменты. Синтез ДНК также подвержен ошибкам, таким как несоответствие разрывов. Возможность ошибок экспоненциально возрастает с каждой итерацией, что снижает надежность.[5][6]
Будущие перспективы
Область ДНК-вычислений — это новая концепция, которая все еще находится в зачаточном состоянии, и ее применение все еще изучается. ДНК-вычисления можно использовать, чтобы действовать вместе с живыми клетками, чтобы обеспечить новые методы обнаружения в медицинских устройствах. С появлением гибких молекулярных алгоритмов можно было бы собрать сложную сущность на наноуровне с помощью перепрограммируемого набора плиток. Хотя замена компьютеров на основе кремниевых чипов кажется маловероятной в ближайшем будущем, концепция решения проблем, выходящих за рамки обычных компьютеров, открывает перед ними непостижимые области применения.
Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.
Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.
ДНК-вычисления, выполнение вычислений с использованием биологических молекул, а не традиционных кремниевых чипов. Идея о том, что отдельные молекулы (или даже атомы) можно использовать для вычислений, восходит к 1959 году, когда американский физик Ричард Фейнман представил свои идеи о нанотехнологиях. Однако физически ДНК-вычисления не были реализованы до 1994 года, когда американский ученый-компьютерщик Леонард Адлеман продемонстрировал, как можно использовать молекулы для решения вычислительной задачи.
Решение проблем с молекулами ДНК
Вычисления можно рассматривать как выполнение алгоритма, который сам по себе может быть определен как пошаговый список четко определенных инструкций, которые принимают входные данные, обрабатывают их и выдают результат. В вычислениях ДНК информация представляется с использованием четырехсимвольного генетического алфавита (A [аденин], G [гуанин], C [цитозин] и T [тимин]), а не бинарного алфавита (1 и 0), используемого традиционными методами. компьютеры. Это достижимо, потому что короткие молекулы ДНК любой произвольной последовательности могут быть синтезированы на заказ. Таким образом, ввод алгоритма представлен (в простейшем случае) молекулами ДНК с определенными последовательностями, инструкции выполняются лабораторными операциями над молекулами (такими как их сортировка по длине или отсечение нитей, содержащих определенную подпоследовательность), а результат определяется как некоторое свойство конечного набора молекул (например, наличие или отсутствие определенной последовательности).
Компьютеры размещают веб-сайты, состоящие из HTML, и отправляют текстовые сообщения так же просто, как. РЖУ НЕ МОГУ. Взломайте этот тест, и пусть какая-нибудь технология подсчитает ваш результат и раскроет вам его содержание.
Эксперимент Адлемана заключался в поиске маршрута через сеть "городов" (от 1 до 7), соединенных дорогами с односторонним движением. В задаче указано, что маршрут должен начинаться и заканчиваться в определенных городах и посещать каждый город только один раз. (Математикам она известна как проблема гамильтоновой траектории, двоюродная сестра более известной задачи коммивояжера.) Адлеман воспользовался свойством комплементарности ДНК по Уотсону-Крику: А и Т слипаются попарно, как и G и C (так что последовательность AGCT идеально подходит для TCGA). Он разработал короткие нити ДНК для представления городов и дорог таким образом, чтобы нити дорог скрепляли нити городов вместе, образуя последовательности городов, которые представляли маршруты (например, фактическое решение, которое оказалось «1234567»). Большинство таких последовательностей представляли собой неправильные ответы на задачу («12324» посещает город более одного раза, а «1234» не посещает каждый город), но Адлеман использовал достаточное количество ДНК, чтобы быть достаточно уверенным, что правильный ответ будет представлен в его начальном ответе. горшок из прядей. Проблема заключалась в том, чтобы извлечь это уникальное решение.Он добился этого, сначала сильно амплифицируя (используя метод, известный как полимеразная цепная реакция [ПЦР]) только те последовательности, которые начинались и заканчивались в нужных городах. Затем он отсортировал набор нитей по длине (используя технику, называемую гель-электрофорезом), чтобы убедиться, что он сохранил только нити правильной длины. Наконец, он неоднократно использовал молекулярную «удочку» (аффинную очистку), чтобы убедиться, что каждый город по очереди представлен в последовательностях-кандидатах. Нити, которые остались у Адлемана, были секвенированы, чтобы найти решение проблемы.
Хотя Адлеман стремился только установить возможность вычислений с помощью молекул, вскоре после его публикации некоторые представили его эксперимент как начало соревнования между компьютерами на основе ДНК и их кремниевыми аналогами. Некоторые люди верили, что молекулярные компьютеры однажды смогут решить проблемы, которые заставят существующие машины бороться из-за присущего биологии массивного параллелизма. Поскольку маленькая капля воды может содержать триллионы нитей ДНК и поскольку биологические операции воздействуют на все из них — эффективно — параллельно (а не по одной за раз), утверждалось, что однажды ДНК-компьютеры смогут представлять (и решать) трудные задачи, выходящие за рамки «обычных» компьютеров.
Однако в большинстве сложных задач количество возможных решений растет экспоненциально с размером задачи (например, количество решений может удваиваться для каждого добавленного города). Это означает, что даже относительно небольшие проблемы потребуют неуправляемых объемов ДНК (порядка больших ванн), чтобы представить все возможные ответы. Эксперимент Адлемана имел большое значение, поскольку в нем проводились мелкомасштабные вычисления с биологическими молекулами. Однако, что более важно, это открыло возможность непосредственно запрограммированных биохимических реакций.
Информационные технологии на основе биохимии
Программируемая информационная химия позволит создавать новые типы биохимических систем, которые могут ощущать свое собственное окружение, действовать в соответствии с решениями и, возможно, даже общаться с другими подобными формами. Хотя химические реакции происходят в наномасштабе, так называемые информационные технологии, основанные на биохимии (био/химические ИТ), отличаются от нанотехнологий из-за зависимости первых от относительно крупномасштабных молекулярных систем.
Хотя современные био/химические ИТ используют множество различных типов (био) химических систем, ранние работы над программируемыми молекулярными системами в основном основывались на ДНК. Американский биохимик Надриан Симан был одним из первых пионеров нанотехнологии на основе ДНК, которая изначально использовала эту конкретную молекулу исключительно в качестве наноразмерного «каркаса» для манипулирования и контроля над другими молекулами. Американский ученый-компьютерщик Эрик Уинфри работал с Симаном, чтобы показать, как двумерные «листы» основанных на ДНК «плиток» (фактически прямоугольники, состоящие из переплетенных нитей ДНК) могут самостоятельно собираться в более крупные структуры. Затем Уинфри вместе со своим учеником Полом Ротемундом показал, как можно спроектировать эти плитки таким образом, чтобы процесс самосборки мог выполнять определенные вычисления. Позже Ротемунд расширил эту работу, изучив «ДНК-оригами», в котором одна нить ДНК несколько раз складывается в двумерную форму, чему помогают более короткие нити, которые действуют как «скобы».
Другие эксперименты показали, что основные вычисления могут выполняться с использованием ряда различных строительных блоков (например, простых молекулярных «машин», в которых используется комбинация ферментов на основе ДНК и белков). Используя силу молекул, возможны новые формы технологий обработки информации, которые могут развиваться, самовоспроизводиться, самовосстанавливаться и реагировать. Возможное применение этой новой технологии окажет влияние на многие области, включая интеллектуальную медицинскую диагностику и доставку лекарств, тканевую инженерию, энергетику и окружающую среду.
Более 20 лет исследователи изучают, как ДНК можно использовать в качестве материала для вычислений. Звучит многообещающе из-за невероятной плотности данных в ДНК: в ней хранится вся информация и инструкции, необходимые для построения и управления человеческим телом. Некоторым исследователям удалось закодировать длинные тексты в ДНК; другие использовали молекулу для создания простых логических элементов и схем, основных строительных блоков вычислений. Но использование ДНК таким образом неприемлемо медленно для той работы, которую мы ожидаем от компьютеров. Скорее всего, вычисления ДНК будут использоваться для работы внутри живых клеток и в сочетании с их существующими механизмами, что сделает возможными новые методы обнаружения и лечения заболеваний.
Исследователи из Израиля и Гарвардского института Висса использовали представленный здесь метод оригами, который позволяет создавать крошечные объекты из свернувшихся нитей ДНК, чтобы создать наноразмерного «робота», две половины которого соединены шарниром.
Как это работает?
Традиционные компьютеры используют серию логических вентилей, которые преобразуют различные входные данные в предсказуемый результат. Например, транзистор включается или выключается по входу высокого или низкого напряжения. С ДНК способ, которым молекулы могут связываться друг с другом, можно использовать для создания схемы логических вентилей в пробирках. В одном методе, называемом замещением нити ДНК, ввод ДНК, которая связывается с логическим вентилем ДНК, вытесняет нить ДНК, которая служит выходом. Много логических элементов могут быть объединены в схему: каждая выходная ДНК будет связываться со следующим логическим элементом до тех пор, пока не будет освобождена некоторая предсказуемая конечная выходная цепочка. (Ученые могут заставить концевую цепь флуоресцировать, чтобы ее можно было легко прочитать.)
В другом методе вводимая ДНК может связываться с логическими воротами ДНК и активировать встречающиеся в природе ферменты, такие как полимеразы и нуклеазы, для разрезания нитей ДНК. Затем они могут связываться с другими цепями в непрерывной серии реакций или давать флуоресцентный выходной сигнал.
Живые клетки
Исследователи в Израиле в прошлом году показали, что логические ворота ДНК могут работать и внутри живых животных, в частности тараканов. Исследователи создали ДНК, сложенную в виде оригами, чтобы создать то, что они назвали нанороботами. Нанороботы функционируют как входная цепочка в вычислительной последовательности: они связываются с логическими вентилями ДНК, процесс, который изменяет форму роботов, чтобы они выставляли свою полезную нагрузку. Полезной нагрузкой может быть молекула, такая как короткая последовательность ДНК, антитело или фермент. Если полезная нагрузка может активировать или деактивировать второго робота, это создаст цепь внутри живой клетки.
Другие исследователи на ранних этапах работы также продемонстрировали, как ДНК-компьютеры можно использовать для чрезвычайно точного обнаружения рака. Они будут делать это, генерируя определенный вывод, если клетка экспрессирует слишком много определенного гена или имеет определенные последовательности микроРНК.
Новый язык
Вычисления на основе ДНК требуют чего-то вроде нового языка программирования. В первоначальных экспериментах использовались модели реакций, происходящих с заданным набором ингредиентов. С тех пор Microsoft разработала язык, который она назвала инструментом смещения нити ДНК, который можно использовать для разработки последовательностей ДНК, необходимых для запуска цепей, и может моделировать реакции, которые будут происходить в каждой цепи.
Вывод
Вычислительная технология ДНК вряд ли заменит обычные кремниевые компьютеры. Но через 5–10 лет компьютеры на основе ДНК можно будет тестировать для медицинских целей.
Ученые уверенно продвигаются в области ДНК-вычислений, но что такое ДНК-вычисления и как они работают?
За последнее десятилетие инженеры столкнулись с суровой реальностью физики в погоне за более мощными компьютерами: транзисторы, двухпозиционные переключатели, питающие процессор компьютера, нельзя сделать меньше, чем сейчас. Помимо кремниевого чипа, в настоящее время разрабатывается интуитивно понятная альтернатива с использованием ДНК для выполнения тех же сложных вычислений, которые сейчас делают кремниевые транзисторы. Но что такое ДНК-вычисления, как работают ДНК-вычисления и почему они так важны?
За пределами транзистора
Проблема с транзисторами заключается в том, что сейчас они существуют в масштабе нескольких нанометров, то есть толщиной всего в несколько атомов кремния. Их практически невозможно сделать меньше, чем сейчас.
Если они становятся меньше, электрический ток, протекающий через транзистор, легко просачивается в другие компоненты поблизости или деформирует транзистор из-за нагрева, делая его бесполезным. Вам нужно минимальное количество атомов, чтобы заставить транзистор работать, и мы функционально достигли этого предела.
Инженеры нашли некоторые обходные пути для этой проблемы, используя многоядерные и многопроцессорные системы для увеличения вычислительной мощности без необходимости дальнейшего уменьшения размера транзисторов, но это также связано с компромиссами с точки зрения проблем программирования и требований к питанию, поэтому другое решение необходим, если мы надеемся увидеть в будущем более мощные компьютеры.
Несмотря на то, что в последнее время о квантовых вычислениях много говорят в прессе, ДНК-вычисления могут быть такими же или даже более мощными, чем даже квантовые вычисления, и они не сталкиваются с таким количеством ограничений стабильности, которые есть у квантовых вычислений.Кроме того, мы знаем, что это работает; мы сами живые примеры хранения данных и вычислительной мощности вычислений ДНК.
Проблема вычислений ДНК заключается в том, что по сравнению с классическими вычислениями они очень медленные. У эволюции были сотни миллионов лет, чтобы разработать сложную последовательность ДНК, которая существует внутри каждой из наших клеток, чтобы ДНК привыкла работать в соответствии с геологическими временными масштабами, а не с несколькими гигагерцами современных классических процессоров.
Так как же тогда работают вычисления ДНК и почему мы занимаемся ими, если они такие медленные?
Что такое вычисления ДНК, как они работают и почему это так важно?
Чтобы понять, что такое ДНК-вычисления, как они работают и почему ДНК-вычисления так важны, сначала нам нужно перестать думать о них как о какой-то замене нашего повседневного классического использования компьютера; мы не будем играть в игры на ДНК-компьютере в ближайшее время, если такое вообще возможно. Кремниевые чипы будут с нами еще очень долго.
Вычисления ДНК — это то, что мы будем использовать для решения проблем, выходящих за рамки того, что может решить классический компьютер, точно так же, как квантовые вычисления могут мгновенно взломать шифрование RSA, в то время как классическому компьютеру могут потребоваться тысячи лет, чтобы сделать то же самое.
ДНК-вычисления были впервые описаны в 1994 году ученым-компьютерщиком Леонардом Адлеманом из Университета Южной Калифорнии. Прочитав о структуре ДНК, он решил написать статью в журнале Science, показывающую, как можно использовать ДНК для решения печально известной задачи математики и информатики, известной как задача направленного пути Гамильтона, обычно называется задачей о коммивояжере (хотя задача Гамильтона о пути — это несколько иная версия задачи о коммивояжере, для наших целей они практически взаимозаменяемы).
Что такое задача коммивояжера?
В соответствии с определением задачи коммивояжера в компании есть продавец, который должен посетить n количество городов, совершая звонки, и может посетить каждый город только один раз. Какая последовательность посещенных городов обеспечивает кратчайший и, следовательно, самый дешевый путь?
Когда n равно 5, задачу можно решить вручную на листе бумаги, а классический компьютер может сравнительно быстро проверить все возможные пути. Но что, если n равно 20? Поиск кратчайшего пути через 20 городов становится намного сложнее с вычислительной точки зрения, и классическому компьютеру потребовалось бы экспоненциально больше времени, чтобы найти ответ.
Попробуйте найти кратчайший путь между 500 городами, и классическому компьютеру потребуется больше времени, чем все время жизни Вселенной, чтобы найти кратчайший путь, поскольку единственный способ убедиться, что мы нашли кратчайший путь, — это проверить каждый перестановка городов. Существуют некоторые алгоритмы, использующие динамические вычисления, которые теоретически могут уменьшить количество требуемых проверок (и реальная проблема пути Гамильтона не требует проверки каждого узла в графе), но это может сократить время на несколько миллионов лет; проблема по-прежнему будет практически невозможна с вычислительной точки зрения на классическом компьютере.
Как вычисление ДНК решает эту проблему
Что Адлеман смог продемонстрировать [PDF], так это то, что ДНК может быть собрана таким образом, что пробирка, полная блоков ДНК, может собраться для кодирования всех возможных путей в задаче о коммивояжере одновременно.
В ДНК генетическое кодирование представлено четырьмя разными молекулами, называемыми A, T, C и G. Эти четыре «бита», соединенные вместе, могут содержать невероятное количество данных. В конце концов, человеческий геном закодирован в чем-то, что можно упаковать в одно ядро клетки.
После смешивания этих четырех молекул в пробирке молекулы естественным образом собрались в нити ДНК. Если некоторая комбинация этих молекул представляет собой город и траекторию полета, то каждая нить ДНК могла бы представлять отдельный маршрут полета для продавца, и все они вычислялись бы одновременно в синтезе цепочек ДНК, собирающихся параллельно.
Тогда нужно будет просто отфильтровать более длинные пути, пока не останется только кратчайший путь. В своей статье он показал, как это можно сделать с 7 городами, и решение проблемы будет закодировано, как только цепи ДНК будут синтезированы.
Это вызвало ажиотаж из-за того, что структуры ДНК дешевы, относительно просты в производстве и масштабируемы. Нет предела мощности, которую теоретически может иметь вычисление ДНК, поскольку его мощность возрастает по мере того, как больше молекул вы добавляете в уравнение, и в отличие от кремниевых транзисторов, которые могут выполнять одну логическую операцию за раз, эти структуры ДНК теоретически могут выполнять столько же вычислений за раз. время, необходимое для решения проблемы и сделать все сразу.
Однако проблема заключается в скорости. Несмотря на то, что решение Адлемана для задачи коммивояжёра было закодировано в цепочках его ДНК в пробирке, потребовалось несколько секунд, чтобы отфильтровать плохие решения, чтобы найти оптимальное решение, которое он искал, потребовались дни — после тщательная подготовка к этому единственному вычислению.
Тем не менее, концепция была разумной, и потенциал невероятного увеличения емкости хранилища и скорости вычислений был очевиден. Это положило начало двадцатилетнему исследованию того, как воплотить в жизнь практические вычисления ДНК.
Каковы преимущества вычислений ДНК?
Как показано в статье Адлемана, главное преимущество ДНК-вычислений по сравнению с классическими вычислениями — и даже в некоторой степени квантовыми вычислениями — заключается в том, что они могут выполнять бесчисленное количество вычислений параллельно. Эта идея параллельных вычислений не нова и десятилетиями копировалась в классических вычислениях.
Когда вы одновременно запускаете два приложения на компьютере, они на самом деле не работают одновременно; в любой момент времени выполняется только одна инструкция. Поэтому, если вы слушаете музыку и совершаете покупки в Интернете с помощью браузера, компьютер на самом деле использует так называемое переключение контекста, чтобы создать видимость параллелизма.
11 самых важных, но недооцененных изобретений в области вычислительной техники
Он запускает инструкцию для одной программы, сохраняет состояние этой программы после выполнения инструкции и удаляет программу из активной памяти. Затем он загружает ранее сохраненное состояние второй программы, выполняет следующую инструкцию, сохраняет свое новое состояние, а затем выгружает его из активной памяти. Затем он перезагружает первую программу для выполнения следующей инструкции и так далее.
За счет выполнения миллионов дополнительных шагов в секунду в разных программах достигается видимость параллелизма, но на самом деле ничего не выполняется параллельно. ДНК-вычисления могут фактически выполнять эти миллионы операций одновременно.
В один кубический сантиметр можно втиснуть более 10 триллионов молекул ДНК. Этот кубический сантиметр материала теоретически может выполнять 10 триллионов вычислений одновременно и хранить до 10 терабайт данных. Во многих отношениях многие затаившие дыхание, но неточные отзывы о квантовых вычислениях на самом деле возможны с ДНК-вычислениями.
Тогда ДНК-вычисления лучше всего рассматривать как дополнение к квантовым вычислениям, поэтому, когда они объединяются вместе и управляются классическим компьютером, действующим в качестве менеджера в стиле Синглтона, резкое увеличение вычислительной мощности, которое люди надеются увидеть в будущем станет реально возможным.
Сколько времени потребуется, чтобы появились ДНК-компьютеры
Мы прошли долгий путь с 1994 года. Вскоре после того, как Адлеман опубликовал свою статью, исследователи смогли сконструировать логические вентили из ДНК — части схемы, состоящей из отдельных транзисторов, которые могут строить сложные логические уравнения. электрического тока.
Только в этом месяце специалисты по информатике из Калифорнийского университета в Дэвисе и Калифорнийского технологического института синтезировали молекулы ДНК, способные самостоятельно собираться в структуры, по сути запуская собственную программу с использованием шестибитных входных данных.
У Microsoft даже есть язык программирования для ДНК-вычислений, который может помочь сделать ДНК-вычисления практичными, когда технология биопроцессоров разовьется до такой степени, что они смогут запускать более сложные алгоритмы. На самом деле Microsoft планирует к 2020 году внедрить ДНК-вычисления в свои облачные сервисы и активно разрабатывать хранилище данных ДНК для интеграции в свои облачные сервисы.
Вполне вероятно, что эти достижения будут реализованы намного быстрее, чем достижения в области квантовых вычислений.Квантовые вычисления требуют сложного оборудования, сверхпроводников и чрезвычайно холодных условий, чтобы кубиты оставались достаточно стабильными для выполнения каких-либо действительно полезных вычислительных задач, и если мы не разработаем материал, который может действовать как сверхпроводник при комнатной температуре, они не смогут пробиться в мир. наши компьютеры в ближайшее время.
Вычисления ДНК, тем временем, используют ДНК, которой мы научились манипулировать, вплоть до замены одного гена в цепи ДНК с помощью CRISPR. Материалы, необходимые для синтеза молекул ДНК, дешевы, легкодоступны и остаются стабильными при комнатной температуре и выше. То, чего потенциально могут достичь технологии вычислений ДНК, учитывая устойчивость ДНК и биологический параллелизм, представляет собой важный шаг на пути к будущему вычислений.
ДНК-вычисления – это современная область науки, которая признает биомолекулы основными элементами электронных устройств. Это связано с несколькими другими областями, включая химию, разработку программного обеспечения, клеточную генетику, физику и математику. Вычисления с биологическими молекулами, а не с обычными кремниевыми чипами. Хотя его концептуальная история восходит к началу 1950-х годов, принцип вычислений с помощью молекул получил научное понимание только в 1994 году, когда Леонард Адлеман проиллюстрировал решение небольшого аспекта очень известной проблемы комбинаторики, используя стандартные методы молекулярной биологии в лаборатория После этого исследования интерес к ДНК-вычислениям значительно возрос, и теперь это наиболее зарекомендовавшая себя область исследований. Леонард Адлеман продемонстрировал, как решить статистическую задачу с помощью молекул.
Рисунок 1. Вычисление ДНК
Как будет работать компьютер с ДНК?
Ученые обнаружили новый материал для создания необходимых им компьютерных чипов следующего поколения. Сотни тысяч естественных мощных компьютеров, таких как ваше тело, находятся внутри живых существ. Молекулы ДНК (дезоксирибонуклеиновой кислоты), компонента, из которого производятся наши гены, могут генерировать данные, в несколько раз превосходящие самые эффективные вычислительные устройства, созданные человеком… Причиной такого энтузиазма было то, что молекулы ДНК недороги, довольно просты в производстве и универсальный. Нет никаких ограничений на мощность, которую потенциально могут иметь вычисления ДНК, поскольку мощность увеличивается, все больше и больше соединений вы добавляете к уравнению, но в отличие от кремниевых транзисторов, которые могут проводить один рациональный элемент за раз, эти структуры ДНК потенциально могут проводить столько же операции за раз, насколько это возможно, чтобы решить проблему и сделать все сразу …… В течение длительного периода времени ученые знали, что ДНК можно использовать для хранения данных. По сравнению со стандартными устройствами ДНК-компьютеры используют совершенно иной подход к решению проблем. «Современные электронные процессоры должны выбирать маршрут, по которому они должны следовать, когда они подходят к Т-образному перекрестку, в то время как ДНК-компьютеру не нужно решать, потому что он воспроизводит себя, следуя в обоих направлениях одновременно. С молекулами ДНК уже решены сложные математические задачи. Хотя ДНК-компьютеры все еще находятся в стадии разработки, они смогут хранить в миллиарды раз больше данных, чем ваш персональный компьютер. Исследователи используют генетический материал для создания нанокомпьютеров, которые могут заменить машины на основе кремния в течение следующего десятилетия.
Рисунок 2. Работа DNA Computing
Эксперименты и успех ДНК-компьютеров.
Ученые создали новую форму ДНК-устройства, которое работает в живых организмах, потенциально открывая путь для отдельной системы, которая может отделять инфицированные клетки от очень здоровых клеток. Машина работает по механизму, называемому РНК-интерференцией (РНКи), когда небольшие молекулы РНК ингибируют развитие белка с помощью гена. Достижение компьютера Adleman DNA свидетельствует о том, что ДНК можно использовать для анализа сложных математических уравнений. Тем не менее, эта первая ДНК-машина очень далека от того, чтобы пугать компьютеры, построенные на силиконе, с точки зрения эффективности. Ученые-компьютерщики из Калифорнийского технологического университета Дэвиса и Калифорнийского технологического института сформулировали молекулы ДНК, которые могут самостоятельно собираться в каркасы, используя шестибитные входные данные для эффективного запуска собственной программы. У Microsoft также есть язык программирования для ДНК-вычислений, который поможет сделать ДНК-вычисления функциональными, как только биопроцессорная технология достигнет стадии, когда она сможет работать с более сложными алгоритмами. Кроме того, к 2020 году Microsoft планирует внедрить вычисления ДНК в свои облачные сервисы и активно наращивать пространство для хранения ДНК для включения в свои облачные вычисления.ДНК-машина Адлемана очень легко произвела набор потенциальных ответов, но Адлеману потребовались дни, чтобы ограничить варианты. Целью области вычислений ДНК является создание системы, которая может работать независимо от вмешательства человека. Потребуется несколько лет, чтобы компоненты ДНК-компьютера превратили логические вентили и биочипы в функциональное, осуществимое ДНК-устройство. Ученые считают, что если такой компьютер когда-либо будет создан, он будет более легким, надежным и мощным, чем сегодняшние компьютеры.
Преимущества компьютера на основе ДНК.
Процесс начинается с использования ДНК путем распределения нитей ДНК по городам на диаграмме и связям между городами. Городские нити должны быть связаны с взаимодействиями и формировать нити, состоящие из путей через различные города. Затем нити располагаются таким образом, чтобы было связано только нужное количество городов. Выполняйте сотни тысяч задач одновременно. Массивно-параллельные вычислительные мощности ДНК-компьютеров могут дать им возможность искать решаемые подходы к сложным проблемам и, возможно, ускорить массивные, но в остальном поддающиеся решению задачи с полиномиальным временем, обычно используемые для увеличения количества процедур. «Все еще существует риск того, что несколько цепочек будут включать один и тот же город дважды», поэтому ДНК проходит через фильтрацию; каждый фильтр собирает только ДНК, включающую определенный сегмент (каждый участок представляет собой регион). Еще одно преимущество этого метода перед ДНК заключается в том, что он работает «параллельно», одновременно анализируя все потенциальные сценарии. Таким образом, это позволяет проводить большие параллельные исследования и вырабатывать полный набор возможных решений. ДНК может содержать больше информации, чем триллион компакт-дисков в кубическом сантиметре, что позволяет адекватно вместить огромное количество оперативной памяти. ДНК-машина также имеет очень низкое энергопотребление, и если она будет установлена внутри клетки, для ее работы не потребуется много энергии, а ее энергоэффективность более чем в тысячу раз выше, чем у ПК. Хотя машины с ДНК все еще находятся в зачаточном состоянии, они способны хранить в миллиарды раз больше данных, чем персональный компьютер. Нити ДНК, которые выдерживают фильтры, отражают все альтернативные пути через города.
Будущее вычислений ДНК.
Взаимодействие химиков, биологов, математиков и инженеров-программистов для распознавания и моделирования основных биологических процессов и алгоритмов, происходящих внутри клеток, делает вычисления ДНК такими увлекательными. ОБЫЧНЫЕ машины выполняют линейные вычисления (т. е. выполняют задачи по одной). Тем не менее, параллельная вычислительная мощность ДНК могла бы решать математические задачи за часы, на которые у электронных компьютеров ушли бы многие годы. ДНК-машина находится на самых начальных этапах разработки, однако на самом деле существует много областей активного использования (или малоактивных технологий). Технически классические методы вычислений ДНК уже применялись в реальных задачах: взлома стандарта шифрования данных, DES. Хотя эта задача уже решена традиционными методами за гораздо более короткое время, чем это предлагают ДНК-методы, ДНК-модели гораздо более универсальны, эффективны и экономичны. Израильские исследователи разработали машину, состоящую из ДНК и ферментов.
Читайте также: