Scaling Quantum Optimisation Beyond Hardware Limits for Real-World Scientific Workloads: Genome Assembly on Current Quantum Hardware
Questa ricerca dimostra che l'Hamiltonian Auto Decomposition Optimisation Framework (HADOF) può superare le attuali limitazioni dell'hardware NISQ per assemblare con successo un genoma di *Pseudomonas aeruginosa* di 7,1 milioni di paia di basi su hardware quantistico reale, raggiungendo una frazione genomica del 99,348% e provando la fattibilità dell'ottimizzazione quantistica scalabile per carichi di lavoro scientifici su larga scala.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Ogni essere vivente porta con sé il proprio manuale di istruzioni unico, scritto in un codice di quattro lettere chimiche: A, C, G e T. Per capire come un organismo funzioni, come causi malattie o come possa resistere ai medicinali, gli scienziati devono prima leggere l'intero manuale. Tuttavia, le macchine moderne non possono leggere l'intero libro tutto in una volta. Invece, frammentano il DNA in milioni di minuscoli pezzi sovrapposti, proprio come se si sminuzzasse un romanzo in migliaia di piccoli pezzi. La sfida dell'assemblaggio del genoma consiste nel prendere questi frammenti sparsi e riassemblarli nella sequenza corretta e completa. Questo è un puzzle enorme dove i pezzi non sono solo rimescolati, ma spesso contengono errori e ripetizioni confuse che rendono difficile sapere a quale pezzo appartenga ogni parte. Fare questo correttamente è vitale per tracciare le malattie infettive, comprendere il cancro e monitorare come i batteri si evolvono per sopravvivere agli antibiotici.
Per decenni, gli scienziati si sono affidati ai computer classici per risolvere questo puzzle, utilizzando astuzie per indovinare l'ordine migliore dei pezzi. Ma man mano che i genomi diventano più grandi e complessi, queste scorciatoie a volte falliscono, lasciando lacune o creando connessioni false. Un nuovo campo di ricerca si chiede se i computer quantistici, che operano secondo le strane leggi della fisica che governano il mondo subatomico, possano risolvere questi puzzle in modo più efficace. La speranza è che queste macchine possano esplorare milioni di possibili configurazioni simultaneamente per trovare l'unico percorso migliore attraverso i dati. Tuttavia, i computer quantistici attuali sono ancora agli albori. Sono piccoli, fragili e inclini a commettere errori, il che significa che non possono ancora gestire i massicci set di dati richiesti dalla biologia del mondo reale.
In uno studio recente, i ricercatori hanno affrontato esattamente questo problema tentando di assemblare il genoma di Pseudomonas aeruginosa, un comune batterio che può causare gravi infezioni, utilizzando un vero computer quantistico. Il team non ha cercato di forzare l'intero puzzle sulla macchina tutta in una volta, il che sarebbe stato impossibile dato le dimensioni limitate del computer. Invece, ha suddiviso il problema in migliaia di piccoli pezzi gestibili. Hanno utilizzato un nuovo metodo chiamato Hamiltonian Auto Decomposition Optimisation Framework, o HADOF, che agisce come un coordinatore. Questo framework suddivide il compito gigante dell'assemblaggio in piccoli sottoproblemi che si adattano al chip quantistico, li risolve uno alla volta e poi ricuce i risultati insieme. I ricercatori hanno testato questo approccio su un vero processore quantistico con 133 bit quantistici, o qubit, utilizzando dati reali di sequenziamento del DNA di un batterio con un genoma di 7,1 milioni di coppie di basi.
I risultati hanno mostrato che, sebbene il computer quantistico fosse tutt'altro che perfetto, poteva comunque produrre una risposta biologicamente utile. Il metodo assistito dal quantum ha gestito la ricostruzione del 99,348 percento del genoma batterico, un risultato che è sorprendentemente vicino a ciò che possono ottenere i migliori computer classici. La sequenza ricostruita era una copia quasi perfetta dell'originale, con quasi nessuna sezione duplicata o mancante. Questo successo è significativo perché dimostra che l'ottimizzazione quantistica può funzionare su una scala molto più grande di quanto mai visto prima, andando oltre i piccoli esempi teorici per affrontare un organismo reale e clinicamente rilevante. I ricercatori hanno scoperto che il computer quantistico non si limitava semplicemente a trovare il punteggio matematicamente "migliore" nei suoi calcoli; a volte il punteggio matematicamente perfetto portava in realtà a un genoma rotto o errato. Inveve, la chiave del successo risiedeva nell'osservare la struttura della soluzione — specificamente, quanti pezzi venivano mantenuti nel percorso finale — e nell'usare questo per identificare l'assemblaggio corretto da una vasta gamma di possibilità.
Questo studio ha anche evidenziato le attuali limitazioni della tecnologia. Quando i ricercatori hanno eseguito lo stesso problema su una simulazione perfetta e priva di rumore del computer quantistico, i risultati sono stati leggermente migliori rispetto alla macchina reale. L'hardware reale ha introdotto errori che hanno reso i punteggi matematici grezzi peggiori e le soluzioni più frammentate. Tuttavia, i ricercatori hanno dimostrato che il metodo sottostante era abbastanza robusto da recuperare un genoma di alta qualità, nonostante questi errori. Hanno scoperto che il numero di pezzi mantenuti nell'assemblaggio finale era un forte indicatore di successo: le soluzioni che mantenevano un certo numero minimo di pezzi portavano quasi sempre a un genoma completo, indipendentemente dal punteggio grezzo che il computer forniva loro. Ciò suggerisce che in futuro gli scienziati potrebbero non dover aspettare computer quantistici perfetti per ottenere risultati utili; possono utilizzare macchine attuali e imperfette se hanno il modo giusto di interpretare i dati.
Il lavoro funge da ponte tra la promessa teorica e l'applicazione pratica. Dimostra che combinando l'informatica quantistica con smart strategie classiche, gli scienziati possono iniziare a risolvere problemi biologici che prima erano fuori portata. I ricercatori hanno reso il loro codice e i loro dati disponibili al pubblico, permettendo ad altri di testare questi metodi su diversi organismi e con diverse macchine. Sebbene questo non sia ancora un sostituto degli strumenti standard utilizzati negli ospedali e nei laboratori, è una chiara prova che l'ottimizzazione quantistica può gestire la complessità biologica del mondo reale. La strada da percorrere prevede il perfezionamento di questi metodi per gestire genomi ancora più grandi e per filtrare meglio gli errori che l'hardware attuale inevitabilmente produce. Per ora, lo studio rappresenta un passo concreto verso un futuro in cui i computer quantistici potrebbero aiutare a decodificare le istruzioni più complesse della vita, un frammento alla volta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.