← أحدث الأبحاث
💻 bioinformatics

Scaling Quantum Optimisation Beyond Hardware Limits for Real-World Scientific Workloads: Genome Assembly on Current Quantum Hardware

تُثبت هذه الدراسة البحثية أن إطار تحسين التفكيك الذاتي للهاميلتوني (HADOF) يمكنه التغلب على قيود أجهزة الحوسبة الكمومية ذات الحجم المتوسط والمشوبة بالضجيج (NISQ) الحالية لتجميع جينوم بكتيريا الزائفة الزنجارية (*Pseudomonas aeruginosa*) المكون من 7.1 مليون زوج قاعدي بنجاح على أجهزة كمومية حقيقية، محققاً نسبة 99.348% من الجينوم، مما يثبت جدوى التحسين الكمومي القابل للتوسع لأعباء العمل العلمية واسعة النطاق.

المؤلفون الأصليون: G Sankar, N., Miliotis, G., Caton, S.

نُشر 2026-09-09
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: G Sankar, N., Miliotis, G., Caton, S.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

يحمل كل كائن حي دليل تعليمات فريداً خاصاً به، مكتوباً بشفرة مكونة من أربعة أحرف كيميائية هي: A وC وG وT. ولفهم كيفية عمل الكائن الحي، أو كيف يسبب المرض، أو كيف قد يقاوم الدواء، يجب على العلماء أولاً قراءة هذا الدليل بأكمله. ومع ذلك، لا تستطيع الآلات الحديثة قراءة الكتاب بأكمله دفعة واحدة؛ بل تقوم بدلاً من ذلك بتقطيع الحمض النووي (DNA) إلى ملايين القطع الصغيرة والمتداخلة، تماماً مثل تمزيق رواية إلى آلاف القطع الصغيرة. ويتمثل التحدي في تجميع الجينوم في أخذ هذه الشظايا المبعثرة وإعادة تجميعها في التسلسل الصحيح والمكتمل. إنها أحجية ضخمة حيث لا تكون القطع مبعثرة فحسب، بل غالباً ما تحتوي أيضاً على أخطاء وتكرارات مربكة تجعل من الصعب معرفة مكان كل قطعة. ويعد إتقان هذا الأمر أمراً حيوياً لتتبع الأمراض المعدية، وفهم السرطان، ومراقبة كيفية تطور البكتيريا للبقاء على قيد الحياة أمام المضادات الحيوية.

لعقود من الزمن، اعتمد العلماء على الحواسيب التقليدية لحل هذه الأحجية، باستخدام طرق مختصرة ذكية لتخمين الترتيب الأفضل للقطع. ولكن مع ازدياد حجم الجينومات وتعقيدها، تفشل هذه الطرق المختصرة أحياناً، مما يترك فجوات أو يخلق اتصالات خاطئة. ويتساءل مجال جديد من البحث عما إذا كانت الحواسيب الكمومية، التي تعمل وفق القوانق الفيزيائية الغريبة التي تحكم عالم الجسيمات دون الذرية، يمكنها حل هذه الألغاز بفعالية أكبر. والأمل هو أن تتمكن هذه الآلات من استكشاف ملايين الترتيبات المحتملة في وقت واحد للعثور على المسار الوحيد الأفضل. ومع ذلك، لا تزال الحواسيب الكمومية الحالية في مراحلها الأولى؛ فهي صغيرة، وهشة، وعرضة لارتكاب الأخطاء، مما يعني أنها لا تستطيع بعد التعامل مع مجموعات البيانات الضخمة المطلوبة في البيولوجيا الواقعية.

في دراسة حديثة، تناول الباحثون هذه المشكلة تحديداً من خلال محاولة تجميع جينوم بكتيريا Pseudomonas aeruginosa، وهي بكتيريا شائعة يمكن أن تسبب عدوى خطيرة، باستخدام حاسوب كمومي حقيقي. لم يحاول الفريق فرض الأحجية بأكملها على الآلة دفعة واحدة، وهو أمر كان سيكون مستحيلاً نظراً للحجم المحدود للحاسوب. بدلاً من ذلك، قاموا بتفكيك المشكلة إلى آلاف القطع الصغيرة القابلة للإدارة. واستخدموا طريقة جديدة تسمى "إطار عمل تحسين التفكيك التلقائي للهاملتوني" (Hamiltonian Auto Decomposition Optimisation Framework - HADOF)، والذي يعمل بمثابة منسق. يقوم هذا الإطار بتقسيم مهمة التجميع الضخمة إلى مشكلات فرعية صغيرة تناسب الشريحة الكمومية، وحلها واحدة تلو الأخرى، ثم دمج النتائج معاً. واختبر الباحثون هذا النهج على معالج كمومي حقيقي يحتوي على 133 بت كمومي، أو "كيوبت" (qubit)، باستخدام بيانات تسلسل الحمض النووي الفعلية لبكتيريا يبلغ حجم جينومها 7.1 مليون زوج من القواعد.

أظهرت النتائج أنه على الرغم من أن الحاسوب الكمومي لم يكن مثالياً بعد، إلا أنه استطاع إنتاج إجابة مفيدة بيولوجياً. فقد نجحت الطريقة المدعومة بالكم في إعادة بناء 99.348 بالمائة من جينوم البكتيريا، وهي نتيجة قريبة بشكل ملحوظ مما يمكن أن تحققه أفضل الحواسيب التقليدية. وكان التسلسل المعاد بناؤه نسخة شبه مثالية من الأصل، مع عدم وجود أقسام مكررة أو مفقودة تقريباً. ويعد هذا النجاح مهماً لأنه يثبت أن التحسين الكمومي يمكن أن يعمل على نطاق أكبر بكثير مما سبق، متجاوزاً النماذج الصغيرة والرمزية إلى كائن حقيقي ذي صلة سريرية. ووجد الباحثون أن الحاسوب الكمومي لم يجد ببساطة الدرجة الرياضية "الأفضل" في حساباته؛ بل إن الدرجة المثالية رياضياً أدت أحياناً إلى جينوم مكسور أو غير صحيح. وبدلاً من ذلك، كان مفتاح النجاح يكمن في النظر إلى بنية الحل — وتحديداً، عدد القطع التي تم الاحتفاظ بها في المسار النهائي — واستخدام ذلك لتحديد التجميع الصحيح من بين مجموعة واسعة من الاحتمالات.

كما سلطت هذه الدراسة الضوء على القيود الحالية للتكنولوجيا. فعندما قام الباحثون بتشغيل نفس المشكلة على محاكاة مثالية وخالية من الضجيج للحاسوب الكمومي، كانت النتائج أفضل قليلاً مما كانت عليه في الجهاز الحقيقي. فقد تسبب الجهاز الحقيقي في حدوث أخطاء جعلت الدرجات الرياضية الخام تبدو أسوأ والحلول أكثر تشرذماً. ومع ذلك، أظهر الباحثون أنه حتى مع وجود هذه الأخطاء، فإن الطريقة الأساسية كانت قوية بما يكفي لاستعادة جينوم عالي الجودة. واكتشفوا أن عدد القطع التي تم الاحتفاظ بها في التجميع النهائي كان مؤشراً قوياً على النجاح: فالحلول التي احتفظت بحد أدنى معين من القطع أدت دائماً تقريباً إلى جينوم كامل، بغض النظر عن الدرجة الخام التي أعطاها الحاسوب لهم. وهذا يشير إلى أنه في المستقبل، قد لا يحتاج العلماء إلى انتظار حواسيب كمومية مثالية للحصول على نتائج مفيدة؛ بل يمكنهم استخدام آلات حالية غير مثالية إذا توفرت لديهم الطريقة الصحيحة لتفسير البيانات.

يعمل هذا العمل كجسر بين الوعد النظري والتطبيق العملي. فهو يوضح أنه من خلال الجمع بين الحوسبة الكمومية والاستراتيجيات الكلاسيكية الذكية، يمكن للعلماء البدء في حل المشكلات البيولوجية التي كانت بعيدة المنال سابقاً. وقد أتاح الباحثون شفرتهم وبرمجياتهم وبياناتهم للجمهور، مما يسمح للآخرين باختبار هذه الطرق على كائنات مختلفة ومع آلات مختلفة. ورغم أن هذا ليس بديلاً للأدوات القياسية المستخدمة في المستشفيات والمختبرات، إلا أنه دليل واضح على أن التحسين الكمومي يمكنه التعامل مع التعقيد البيولوجي في العالم الحقيقي. ويتضمن المسار المستقبلي تحسين هذه الطرق للتعامل مع جينومات أكبر وحتى تصفية الأخطاء التي تنتجها الأجهزة الحالية حتماً. وفي الوقت الحالي، تقف هذه الدراسة كخطوة ملموسة نحو مستقبل قد تساعد فيه الحواسيب الكمومية في فك رموز التعليمات الأكثر تعقيداً للحياة، قطعة قطعة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 bioinformatics →