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

技術要約：分子ドッキングのための、ユニバーサルなプログラマブルRRAMベース確率的コンピュータの初のハードウェア実証

問題提起
分子ドッキングは創薬における根本的な課題であり、リガンドと標的タンパク質の間の好ましい結合コンフォメーションを予測することを必要とする。生体分子の構造的多様性と柔軟な結合モードによって生じる膨大な探索空間は、従来のコンピューティング手法を圧倒してしまう。ガウス・ボゾン・サンプリング（GBS）や量子近似最適化アルゴリズム（QAOA）といった量子コンピューティングのアプローチは有望視されているが、スケーラビリティの制約、ハードウェアの限界、精度問題、および非クリーク出力を補正するための複雑な後処理アルゴリズムの頻繁な必要性といった、実用化への大きな障壁に直面している。さらに、既存の確率的コンピューティング（p-computing）ハードウェアは、確率的デバイス生成と決定論的処理を分離したハイブリッドアーキテクチャ（CMOS + X）に依存することが多く、これがフォン・ノイマン・メモリ・ボトルネックを再導入し、効率を制限している。

手法
著者らは、コンピューティング・イン・メモリ（CIM）スキームと人工的な調整可能プロバビリスティック・ビット（p-bit）を統合した、プロトタイプとなる確率的コンピュータ（p-computer）を提案し、実証する。

• ハードウェア・アーキテクチャ: システムは、離散ホップフィールド・ニューラルネットワーク（DHNN）アーキテクチャ上に構築されている。コア・ハードウェアは、180 nm CMOS技術を用いたバックエンド・オブ・ライン（BEOL）HfO₂ベースの抵抗変化型メモリ（RRAM）を統合した1T1R（1トランジスタ、1抵抗）アレイで構成されている。デバイス固有の確率性（製造後に固定されるもの）に依存する従来のアプローチとは異なり、この設計では「イン・サイチュ（in-situ）」の人工p-bitを採用している。このp-bitは、RRAMセルとガウス型乱数生成器（RNG）、およびコンパレータを組み合わせたものである。RRAMアレイは積和演算（MAC）を実行し、ガウス型RNGはp-bitの出力の確率性を変調するための動的な閾値を提供する。
• アルゴリズムと問題のマッピング: 分子ドッキング問題は、グラフ上の最大重みクリーク問題（MWCP）として再定式化される。
  1. グラフ構築: リガンドおよび受容体上のファーマコフォア・ポイント（PP）を抽出する。潜在的な結合ペアがグラフの頂点を形成する。空間的な適合性チェック（ユークリッド距離に基づく）によってエッジを決定し、結合相互作用グラフ（BIG）を作成する。
  2. QUBO定式化: MWCPは二次無制約バイナリ最適化（QUBO）問題へと変換され、その後、DHNNに適したエネルギー最小化関数へとマッピングされる。エネルギー関数には、頂点の重みを最大化する項と、クリークの制約（空間的適合性）を強制するためのペナルティ項が含まれる。
  3. ダイナミック・スロープ・アニーリング（DSA）: ローカルミニマ（局所解）の問題を克服するために、著者らはDSAメカニズムを導入している。固定された確率性ではなく、ガウス型RNGの標準偏差（$\sigma$）を反復中に動的に調整する。システムは、解空間を広く探索するために高い確率性から開始し、グローバルな最適解に収束させるために$\sigma$をゼロへと徐々に減少させる。

主な貢献

1. イン・サイチュ調整可能p-ビット: 本論文は、確率性をデバイス固有の特性から切り離したp-bit設計を導入している。ガウス型RNGを使用してRRAMアレイのバイアス電流分布を制御することにより、物理デバイスの固定されたランダム性に依存することなく、調整可能なシグモイド入出力特性を実現している。これにより、ハードウェア実装の技術的障壁が低減される。
2. 計算生物学における初のハードウェア実証: 本研究は、p-コンピューティング・ハードウェアを分子ドッキング問題に適用することに成功した初の事例である。
3. 統合CIMプロトタイプ: 著者らは、HfO₂ RRAMと180 nm CMOSを統合した機能的なプロトタイプを製作し、フォン・ノイマン・ボトルネックを回避するコンパクトでエネルギー効率の高いソリューションを実証した。
4. DSAアルゴリズム: グローバルな探索とローカルな収束のバランスを取るために、このハードウェアに特化して設計されたDSA戦略の開発。

実験結果
システムは、グラム陰性菌に対する抗生物質開発の重要な標的であるリポタンパク質とLolA-LolCDE複合体を含む、42ノードの分子ドッキング問題を用いて検証された。

• 確率性のチューニング: ガウス型RNGの標準偏差（$\sigma$）を変化させた実験では、固定された$\sigma = 0.5$が一定の設定の中で最良の性能を示し、100回の試行のうち35%で最適解（最大重みクリーク）を特定した。$\sigma$の値が低いとローカルミニマに陥り、高いと過剰なノイズが発生した。
• DSAの性能: $\sigma$を0.5から0へと動的に減少させるDSA戦略を適用することで、性能が大幅に向上した。システムは、100回の試行のうち**72%**で理論的な基底状態（累積重み0.8702の最適な結合コンフォメーション）を特定することに成功した。
• 検証: 予測されたドッキング構成（4つの疎水性相互作用と1つの水素結合からなる）は、Protein-Ligand Interaction Profilerツールの結果と密接に一致した。
• 比較: GBSや他の量子ベースのソルバーとは異なり、p-computerはクリークの特性を強制するための後処理アルゴリズムを必要とせず、ワンステップのソリューションを提供した。システムは、フォトニック量子システムのような大規模なラボ環境とは対照的に、6.5 × 4 mm²の集積チップを備えたコンパクトなPCB上で動作した。

意義と主張
著者らは、本研究がp-コンピューティングを計算生物学に応用する上での画期的な成果であると主張している。本研究は、RRAMベースのp-computerが、創薬に固有の複雑な組合せ最適化問題を効率的に解決できることを示しており、スケーラビリティ、ハードウェアのフットプリント、および後処理要件の排除という点で、現在の量子アプローチを凌駕している。42ノードのMWCPを72%の成功率で解いたことにより、本研究は、現実世界のバイオインフォマティクスの課題に対して調整可能な人工p-bitを使用することの実現可能性を検証した。著者らは、この技術を創薬のための変革的なアプローチとして位置付けており、従来のコンピューティングおよび現在の量子ハードウェアの限界の両方に対する、スケーラブルでエネルギー効率の高い代替案を提供している。