Protein folding on a 64 qubit trapped-ion hardware via counterdiabatic quantum optimization

تخيل أنك تحاول طي قطعة طويلة ومتشابكة من الخيط لتشكيل الشكل المثالي بحيث تحمل رسالة سرية محددة. في العالم الحقيقي، هذا ما تفعله البروتينات: فهي عبارة عن سلاسل من الأحماض الأمينية التي تلتف وتدور لتتحول إلى أشكال ثلاثية الأبعاد معقدة لأداء مهام حيوية في أجسامنا. إن العثัง على الشكل "المثالي" (الذي يمتلك أدنى طاقة) يشبه محاولة حل لغز ضخم متعدد الأبعاد حيث عدد الإجابات الخاطة المحتملة أكبر من عدد النجوم في الكون.

تصف هذه الورقة تجربة جديدة استخدم فيها العلماء حاسوباً كمياً قوياً (تحديداً آلة أيونات محاصرة مكونة من 64 "كيوبت"، أو بتات كمية) للمساعدة في حل لغز طي البروتين لستة سلاسل بروتينية مختلفة.

إليك تفصيل لما فعلوه، وكيف فعلوا ذلك، وما وجدوه، باستخدام تشبيهات بسيطة.

1. المشكلة: عقدة متشابكة

فكر في سلسلة البروتين كأنها خيط من الخرز. يمكن لكل خرزة أن تنعطف في اتجاهات مختلفة. الهدف هو إيجاد تسلسل المنعطفات المحدد الذي يجعل الخرز يتجمع معاً بأكثر طريقة فعالة، مع ضمان عدم تقاطع الخيط مع نفسه (لأن ذلك مستحيل فيزيائياً).

• التحدي: إذا كنت تخمن عشوائياً، فقد تحصل على شكل ما، لكنه سيكون على الأرجح عقدة فوضوية ذات طاقة عالية (غير مستقرة).
• النطاق: اختبر الباحثون بروتينات تحتوي على 14 إلى 16 خرزة. ورغم أن هذا يبدو صغيراً، إلا أن الرياضيات وراءه معقدة للغاية، وتتطلب ما يصل إلى 61 كيوبت كمي لتمثيلها. هذه هي أكبر تجربة لطي البروتين تم إجراؤها على حاسوب كمي ذي أيونات محاصرة.

2. الطريقة: "البوصلة المغناطيسية" (BF-DCQO)

بدلاً من مجرد التخمين العشوائي، استخدم الفريق خوارزمية خاصة تسمى التحسين الكمي الرقمي ذو المجال المنحاز (BF-DCQO).

• التشبيه: تخيل أنك تحاول العثور على أدنى نقطة في وادٍ ضبابي.
  • أخذ العينات العشوائية: أنت فقط تبدأ بالمشي في اتجاهات عشوائية. قد تتعثر بنقطة منخفضة، لكنك ستظل تتجول بلا هدف في الغالب.
  • BF-DCQO: هذا يشبه امتلاك بوصلة تصبح أكثر ذكاءً في كل مرة تخطو فيها خطوة.
    1. يأخذ الحاسوب "لقطة" لأفضل الأشكال التي وجدها حتى الآن.
    2. يقوم بتحليل هذه اللقطات ويقول: "مهلاً، في هذه الأشكال الجيدة، كانت هذه الخرزة المحددة تشير عادةً إلى الشمال".
    3. ثم ينشئ "انحيازاً مغناطيسياً" (دفعة لطيفة) يسحب جولات التجارب التالية نحو الاتجاه نحو الشمال.
    4. يكرر هذه العملية، ويصبح أكثر تركيزاً على الاتجاه الصحيح مع كل جولة.

3. الأجهزة: الفريق "متصل بالكامل"

أُجريت التجربة على نظام أيونات الباريوم المكون من 64 كيوبت (مشابه لخط IonQ Tempo القادم).

• لماذا هذا مهم: في العديد من الحواسيب، تكون البتات مثل أشخاص يجلسون في صف واحد؛ للتحدث مع الشخص الموجود في الطرف الآخر، يتعين عليهم تمرير الرسالة عبر الصف (وهو أمر بطيء وفوضوي). في نظام الأيونات المحاصرة هذا، كل كيوبت متصل بكل كيوبت آخر، مثل مجموعة من الأشخاص يقفون في دائرة حيث يمكن للجميع التحدث مع الجميع فوراً. هذا مثالي لطي البروتين لأن الخرز في البروتين يتفاعل مع بعضه البعض من مسافات بعيدة، وليس فقط مع جيرانه المباشرين.

4. النتائج: تعلم النمط

وجد الباحثون أن الحاسوب الكمي لم يحالفه الحظ فحسب؛ بل إنه تعلم بالفعل هيكل المشكلة.

• البيانات الخام: عندما نظروا إلى الأشكال الخام التي أنتجها الحاسوب الكمي، كانت لا تزال فوضوية (بسبب عدم التزام الحاسوب بصرامة بقاعدة عدم تقاطع الخيط مع نفسه). ومع ذلك، كانت "طاقة" هذه الأشكال الفوضوية أقل بكثير من التخمينات العشوائية.
• سر "التلامس": كان الحاسوب الكمي بارعاً بشكل خاص في معرفة أي الخرز يجب أن يتلامس مع بعضه البعض (متغيرات التلامس). لقد تعلم نمطاً: "عندما ينطوي الخيط بهذا الشكل، يجب أن تتلامس هاتان الخرزتان".

5. الحل: خط أنابيب "الإجماع"

بما أن الحاسوب الكمي أنتج بعض الأشكال "غير القانونية" (حيث يتقاطع الخيط مع نفسه)، احتاج الفريق إلى طريقة لإصلاحها دون فقدان الأنماط الجيدة التي وجدها الحاسوب. جربوا طريقتين:

• الطريقة (أ) (الإصلاح المنفرد): أخذوا شكلاً واحداً في كل مرة، وأصلحوا التقاطعات غير القانونية، ثم أعادوا حساب التلامسات من الصفر.
  • النتيجة: هذا أدى إلى مسح الأنماط الجيدة التي تعلمها الحاسوب الكمي. كان الأمر يشبه أخذ رسم تخطيطي رائع وإعادة رسمه من الذاكرة، مما يؤدي لفقدان أسلوب الفنان الأصلي.
• الطريقة (ب) (خط أنابيب الإجماع): نظروا إلى جميع الأشكال الجيدة التي وجدها الحاسوب، وسألوا: "ما الذي اتفقت عليه غالبية هذه الأشكال؟" واستخدموا هذا الاتفاق لبناء شكل نهائي وقانوني.
  • النتيجة: نجحت هذه الطريقة بشكل أفضل بكثير. من خلال الحفاظ على "تصويت المجموعة" للحاسوب الكمي، حافظوا على الأنماط المتعلمة.

النتيجة النهائية:
باستخدام طريقة "الإجماع"، نجح الفريق في إيجاد حالة الطاقة المثالية رياضياً لـ 4 من أصل 6 من تسلسلات البروتين التي اختبروها. وعندما استخدموا التخمينات العشوائية بدلاً من تلميحات الحاسوب الكمي، نجحوا في 1 من أصل 6 فقط.

ملخص

تثبت هذه الورقة أن حاسوبًا كميًا بقدرة 64 كيوبت يمكن أن يعمل كمرشد ذكي لحل ألغاز طي البروتين المعقدة. هو لا يحل اللغز بأكمله بشكل مثالي بمفرده (بسبب ضجيج الأجهزة والقيود)، لكنه يتعلم "قواعد الاشتباك" (أي الخرز يجب أن يتلامس) بشكل جيد جداً. عندما تدمج هذا التعلم الكمي مع إصلاح "إجماع" ذكي من صنع البشر، تحصل على نتائج أفضل بكثير من التخمين العشوائي.

الخلاصة الرئيسية: قدم الحاسوب الكمي "الهيكل" (نمط التفاعلات)، بينما قدم الحاسوب التقليدي "الإمكانية" (التأكد من أن الشكل ممكن فيزيائياً). معاً، حلوا مشكلة أصعب مما يمكن لأي منهما حله بمفرده.