The First Hardware Demonstration of a Universal Programmable RRAM-based Probabilistic Computer for Molecular Docking

Resumen Técnico: Primera Demostración de Hardware de una Computadora Probabilística Universal Programable basada en RRAM para el Acoplamiento Molecular

Planteamiento del Problema
El acoplamiento molecular (molecular docking) es un desafío fundamental en el descubrimiento de fármacos, que requiere la predicción de la conformación de unión preferida entre un ligando y una proteína diana. El vasto espacio de búsqueda creado por la diversidad estructural de las biomoléculas y los modos de unión flexibles abruma a los métodos de computación convencionales. Los enfoques de computación cuántica, como el Muestreo de Bosones Gaussianos (GBS) y el Algoritmo de Optimización Aproximada Cuántica (QAOA), han mostrado ser prometedores, pero enfrentan obstáculos significativos para su aplicación práctica, incluyendo limitaciones de escalabilidad, restricciones de hardware, problemas de precisión y la necesidad frecuente de algoritmos de post-procesamiento complejos para corregir salidas de no-clique. Además, el hardware de computación probabilística (p-computing) existente a menudo depende de arquitectes híbridas (CMOS + X) que separan la generación de dispositivos estocásticos del procesamiento determinista, lo que reintroduce el cuello de botella de Von Neumann y limita la eficiencia.

Metodología
Los autores proponen y demuestran un prototipo de computadora probabilística (p-computer) que integra esquemas de computación en memoria (CIM) con bits probabilísticos (p-bits) artificiales sintonizables.

• Arquitectura de Hardware: El sistema se basa en una arquitectura de Red Neuronal de Hopfield Discreta (DHNN). El núcleo del hardware consiste en una matriz 1T1R (un transistor, un resistor) que integra RRAM basado en HfO₂ de línea posterior (BEOL) con tecnología CMOS de 180 nm. A diferencia de enfoques previos que dependen de la estocasticidad intrínseca de los dispositivos (que es fija tras la fabricación), este diseño emplea un p-bit artificial "in-situ". Este p-bit combina una celda RRAM con un Generador de Números Aleatorios (RNG) Gaussiano y un comparador. La matriz RRAM realiza operaciones de Multiplicación y Acumulación (MAC), mientras que el RNG Gaussiano proporciona un umbral dinámico para modular la estocasticidad de la salida del p-bit.
• Algoritmo y Mapeo del Problema: El problema de acoplamiento molecular se reformula como un Problema de Clique de Peso Máximo (MWCP) en un grafo.
  1. Construcción del Grafo: Se extraen puntos farmacóforos (PPs) en el ligando y el receptor. Los pares de unión potenciales forman vértices en un grafo. Las comprobaciones de compatibilidad espacial (basadas en distancias euclidianas) determinan las aristas, creando un Grafo de Interacción de Unión (BIG).
  2. Formulación QUBO: El MWCP se transforma en un problema de Optimización Binaria No Restringida Cuadrática (QUBO), que luego se mapea a una función de minimización de energía adecuada para la DHNN. La función de energía incluye un término para maximizar los pesos de los vértices (afinidad de unión) y un término de penalización para imponer las restricciones de clique (compatibilidad espacial).
  3. Recocido de Pendiente Dinámica (DSA): Para superar el problema de los mínimos locales, los autores introducen un mecanismo de DSA. En lugar de una estocasticidad fija, la desviación estándar ($\sigma$) del RNG Gaussiano se sintoniza dinámicamente durante la iteración. El sistema comienza con una estocasticidad más alta para explorar ampliamente el espacio de soluciones y reduce gradualmente $\sigma$ a cero para converger en el óptimo global.

Contribuciones Clave

1. p-Bits Sintonizables In-Situ: El artículo introduce un diseño de p-bit que desacopla la estocasticidad de las características intrínsecas del dispositivo. Al utilizar un RNG Gaussiano para controlar la distribución de la corriente de sesgo en la matriz RRAM, el sistema logra características de entrada-salida sigmoideas sintonizables sin depender de la aleatoriedad fija del dispositivo físico. Esto reduce las barreras técnicas para la implementación de hardware.
2. Primera Demostración de Hardware en Biología Computacional: Este trabajo representa la primera aplicación exitosa de hardware de p-computing al problema del acoplamiento molecular.
3. Prototipo CIM Integrado: Los autores fabricaron un prototipo funcional que integra RRAM de HfO₂ con CMOS de 180 nm, demostrando una solución compacta y de bajo consumo energético que evita el cuello de botella de Von Neumann.
4. Algoritmo DSA: El desarrollo de la estrategia DSA específicamente diseñada para este hardware para equilibrar la exploración global y la convergencia local.

Resultados Experimentales
El sistema fue validado resolviendo un problema de acoplamiento molecular de 42 nodos que involucra una lipoproteína y el complejo LolA-LolCDE, un objetivo crítico para el desarrollo de antibióticos contra bacterias Gram-negativas.

• Sintonización de la Estocasticidad: Los experimentos que variaron la desviación estándar ($\sigma$) del RNG Gaussiano mostraron que un $\sigma$ fijo de 0.5 produjo el mejor rendimiento entre las configuraciones constantes, identificando la solución óptima (Clique de Peso Máximo) en el 35% de 100 ensayos. Los valores de $\sigma$ más bajos llevaron al atrapamiento en mínimos locales, mientras que los valores más altos causaron un ruido excesivo.
• Desempeño de DSA: La aplicación de la estrategia DSA (reduciendo dinámicamente $\sigma$ de 0.5 a 0) mejoró significativamente el rendimiento. El sistema identificó con éxito el estado fundamental teórico (la conformación de unión óptima con un peso acumulado de 0.8702) en el 72% de 100 ensayos.
• Validación: La configuración de acoplamiento predicha, que consiste en cuatro interacciones hidrofóbicas y un enlace de hidrógeno, se alineó estrechamente con los resultados de la herramienta Protein-Ligand Interaction Profiler.
• Comparación: A diferencia de GBS y otros resolvedores basados en sistemas cuánticos, la p-computer proporcionó una solución de un solo paso sin requerir algoritmos de post-procesamiento para imponer las propiedades de clique. El sistema operó en una placa de circuito impreso compacta con un chip integrado de 6.5 × 4 mm², contrastando con las grandes huellas de laboratorio de los sistemas cuánticos fotónicos.

Significancia y Reivindicaciones
Los autores afirman que este trabajo marca un avance en la aplicación de la p-computing a la biología computacional. El estudio demuestra que las computadoras basadas en RRAM pueden resolver eficientemente problemas de optimización combinatoria complejos inherentes al diseño de fármacos, superando a los enfoques cuánticos actuales en términos de escalabilidad, huella de hardware y la eliminación de requisitos de post-procesamiento. Al resolver con éxito un MWCP de 42 nodos con una tasa de éxito del 72%, el trabajo valida la viabilidad de utilizar p-bits artificiales sintonizables para desafíos reales de bioinformática. Los autores posicionan esta tecnología como un enfoque transformador para el descubrimiento de fármacos, ofreciendo una alternativa escalable y eficiente energéticamente tanto a la computación convencional como a las limitaciones actuales del hardware cuántico.