Efficient Block Encodings for Ensembles of Molecular Hamiltonians

لفهم كيفية عمل جزيء دوائي، يحتاج العلماء غالباً إلى النظر إليه ليس كجسم واحد ثابت، بل كشكل مرن يتغير ويتحول. فالجزيئات في حالة اهتزاز ودوران مستمر وتغيير في زواياها الداخلية، وهذه الحركات هي التي تحدد كيفية تفاعلها مع جسم الإنسان. وللتنبؤ بهذه السلوكيات، يجب على الباحثين حساب طاقة الجزيء عبر آلاف الأشكال المختلفة، وهي مهمة تخلق مشهداً شاسعاً من الاحتمالات. ولعقود من الزمن، طُرحت الحواسيب الكمومية كأداة مثالية لحل المعادلات المعقدة التي تصف هذه الطاقات الجزيئية. ومع ذلك، فإن الطرق الكمومية التقليدية تعامل كل شكل كمسألة منفصلة، مما يتطلب من الحاسوب إجراء عملية حسابية متميزة ومكلفة لكل تكوين على حدة. ويصبح هذا النهج غير عملي عندما يرتفع عدد الأشكال إلى الآلاف، حيث تزداد التكلفة الحسابية بما يتناسب طردياً مع عدد الأشكال، مما يؤدي سريعاً إلى إثقال كاهل حتى أقوى الأجهزة.

لقد طور فريق من الباحثين من شركتي "PsiQuantum" و"Boehringer Ingelheim" طريقة جديدة لتجاوز هذه العقبة، مما يسمح للحاسوب الكمومي بمعالجة عائلة كاملة من الأشكال الجزيئية في آن واحد. فبدلاً من معاملة آلاف الهندسات الجزيئية المختلفة كألغاز منفصلة وغير مترابطة، وجد الفريق طريقة للتعرف على أوجه التشابه العميقة بينها. لقد ابتكروا تقنية تسمى "SVD-THC"، والتي تعمل مثل "مفتاح رئيسي" لمجموعة كاملة من الأقفال. ومن خلال تحليل الأنماط الرياضية المشتركة عبر جميع الأشكال في المجموعة، تقوم هذه الطريقة بضغط المعلومات لآلاف الهندسات في دائرة واحدة موحدة. وهذا يسمح للحاسوب الكمومي بتطوير المجموعة بأكملة في وقت واحد، بدلاً من العمل عليها واحداً تلو الآخر ببطء.

اختبر الباحثون هذا النهج على ثلاثة أنظمة جزيئية مختلفة، تتراوح من سلسلة بسيطة من الذرات إلى هياكل ببتيدية معقدة تحاكي اللبنات الأساسية للبروتينات. وقد قاموا بتوليد شبكات من آلاف الأشكال لكل جزيء، حيث احتوت المجموعة الأكبر على أكثر من خمسة آلاف تكوين متميز. وفي هذه المحاكاة، أثبتت الطريقة الجديدة كفاءة ملحوظة؛ فبينما كان النهج التقليدي سيتطلب من الحاسوب إجراء عملية حسابية كاملة ومنفصلة لكل شكل، قامت الطريقة الجديدة ببناء دائرة واحدة تتعامل مع المجموعة بأكملها. ومع زيادة عدد الأشكال، بالكاد تحركت التكلفة الحسابية للطريقة الجديدة، بينما ارتفعت تكلفة الطريقة القديمة بشكل حاد. وبالنسبة لأكبر حالة اختبار تتعلق بجزيء "ألانين ثنائي الببتيد" (alanine dipeptide) الذي يحتوي على 5,184 هندسة، قللت الطريقة الجديدة عدد البوابات المنطقية الأساسية المطلوبة بمقدار 200 ضعف مقارنة بالنهج القياسي. وحتى بالنسبة لمجموعات الأشكال الأصغر، كانت التوفيرات كبيرة، حيث أصبحت الطريقة أكثر كفاءة من الطريقة التقليدية بمجرد وصول حجم المجموعة إلى بضع عشرات فقط من الهندسات.

يكمن جوهر هذا الإنجاز في كيفية تنظيم الباحثين للبيانات. فقد أدركوا أنه بينما تتغير مواضع الذرات من شكل إلى آخر، فإن التفاعلات الإلكترونية الأساسية غالباً ما تتبع نمطاً متوقعاً ومنخفض الرتبة. ومن خلال استخدام تفكيك رياضي لفصل البنية الإلكترونية المشتركة عن التفاصيل الهندسية المحددة، استطاعوا بناء دائرة واحدة "متعددة الإرسال" (multiplexed). صُممت هذه الدائرة للتبديل بين الأشكال المختلفة تلقائياً، مسترشدة بسجل كمومي يحمل مؤشر الشكل الحالي. ووجد الباحثون أن الجزء الأكثر تكلفة في الحساب، والذي يتضمن تحميل البيانات في الحاسوب، لا يحتاج إلى التكرار لكل شكل. وبدلاً من ذلك، يمكن تجهيز بيانات المجموعة بأكملها مرة واحدة وإعادة استخدامها، مع إضافة عبء صغير وثابت لكل شكل جديد. وقد أدى ذلك إلى سلوك توسعي أكثر سلاسة بكثير من النمو الخطي الذي شهدته الطرق السابقة.

من الناحية العملية، يعني هذا أن المهام التي كانت بعيدة المنال سابقاً بالنسبة للحواسيب الكمومية، مثل رسم المشهد الطاقي الكامل لمرشح دوائي أو محاكاة كيفية حركة الجزيء بمرور الوقت، قد تصبح ممكنة. وقد أظهر الباحثون أن طريقتهم يمكنها التنبؤ بدقة بطاقة كل شكل في الشبكة، مع إبقاء الخطأ ضمن هامش صارم مقبول للدقة الكيميائية. كما أظهروا أن الطريقة تعمل جيداً حتى عندما لا تكون الأشكال مرتبة في شبكة منتظمة ومنظمة، مما يشير إلى إمكانية تطبيقها على المجموعات غير المنتظمة والمبعثرة من الأشكال التي تظهر غالباً في اكتشاف الأدوية في العالم الحقيقي. ويشير العمل إلى أنه من خلال استغلال التكرار المتأصل في المجموعات الجزيئية، يمكن للحواسيب الكمومية أن تتجاوز حل المشكلات المعزولة لتتعامل مع الأنظمة الديناميكية المعقدة.

كما سلطت الدراسة الضوء على الموارد المحددة المطلوبة لإنجاز هذا العمل على حاسوب كمومي مستقبلي مقاوم للأخطاء. فقد حسب الباحثون عدد الكيوبتات والبوابات المنطقية اللازمة لتشغيل خوارزميتهم، ووجدوا أن التوفير في عدد البوابات كان كبيراً، رغم أن التوفير في إجمالي الوقت الذي يكون فيه الحاسوب نشطاً كان أصغر نوعاً ما بسبب العبء الناتج عن تحميل البيانات. وهذا التمييز مهم لأنه يشير إلى المواضع التي يمكن إجراء التحسينات فيها مستقبلاً. وأشار الفريق إلى أنه بينما انخفض عدد البوابات المنطقية بشكل كبير، فإن الوقت الذي يقضيه الحاسوب في العمل لا يزال يتأثر بتكلفة نقل البيانات. إن تقليل عبء تحميل البيانات هذا من شأنه أن يقلص الفجوة بين الإمكانات النظرية للطريقة وتطبيقها العملي.

في نهاية المطاف، يوفر هذا البحث "أداة أولية" (primitive) جديدة للكيمياء الكمومية، تتعامل مع مجموعة الأشكال الجزيئية ككيان واحد متماسك بدلاً من كونها مجموعة من اللقطات المنفصلة. وتشير النتائج إلى أنه بالنسبة للمشكلات التي تتضمن العديد من الهندسات المرتبطة، فإن التفوق الكمومي ليس مجرد مسألة انتظار أجهزة أفضل، بل هو مسألة إيجاد طرق أذكى لترميز المشكلة. ومن خلال ضغط تمثيل آلاف الأشكال في دائرة واحدة، أظهر الباحثون أن الحواسيب الكمومية يمكنها نظرياً معالجة المشاهد متعددة الأبعاد والمعقدة التي تحدد السلوك الجزيئي. وهذا يفتح الباب أمام تنبؤات أكثر دقة لكيفية ارتباط الأدوية بأهدافها، وكيفية طي البروتينات، وكيفية سير التفاعلات الكيميائية، وكل ذلك عبر الاستفادة من البنية المشتركة للعالم الجزيئي.