🔬 applied physics

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

Dit artikel rapporteert de eerste hardwarematige demonstratie van een universele programmeerbare RRAM-gebaseerde probabilistische computer die er succesvol in slaagt complexe moleculaire docking-problemen op te lossen, zoals de lipoproteïne-LolA-LolCDE-interactie, door gebruik te maken van 180 nm CMOS en HfO2 RRAM-technologie om de schaalbaarheids- en efficiëntiebeperkingen van conventionele en quantumcomputingmethoden in drug discovery te overwinnen.

Oorspronkelijke auteurs: Yihan He, Ming-Chun Hong, Qiming Ding, Chih-Sheng Lin, Chih-Ming Lai, Chao Fang, Xiao Gong, Tuo-Hung Hou, Gengchiau Liang

Gepubliceerd 2026-07-07

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yihan He, Ming-Chun Hong, Qiming Ding, Chih-Sheng Lin, Chih-Ming Lai, Chao Fang, Xiao Gong, Tuo-Hung Hou, Gengchiau Liang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Een Nieuw Soort "Raadmachine" voor Medicijnontwerp

Stel je voor dat je probeert de perfecte sleutel te vinden om een zeer complex, vergrendeld slot te openen. Deze deur vertegenwoordigt een ziekteverwekkend eiwit in je lichaam, en de sleutel is een medicijnmolecuul. Het probleem is dat de sleutel op miljoenen verschillende manieren kan draaien, buigen en torderen voordat hij past. Traditionele computers proberen elke mogelijkheid één voor één te controleren, wat eeuwen duurt. Quantumcomputers (de "supersnelle" technologie van de toekomst) beloven ze allemaal tegelijk te controleren, maar ze zijn momenteel enorm, duur en erg kieskeurig.

Dit artikel introduceert een nieuw type computer dat een probabilistische computer (of "p-computer") wordt genoemd. Zie het niet als een starre rekenmachine, maar als een slimme, gelukkige gokker. In plaats van elke deur te controleren, doet hij onderbouwde gokken, leert hij van zijn fouten en verkleint hij snel de zoektocht om de beste pasvorm te vinden.

De onderzoekers hebben een fysieke chip gebouwd (een piepklein computerbrein) die dit gokspel speelt met behulp van een speciaal type geheugen dat RRAM wordt genoemd. Ze hebben deze chip succesvol gebruikt om voor het eerst een echt wereldwijd probleem in het medicijnontwerp op te lossen.

Hoe de "Slimme Gokker" Werkt: De Kunstmatige Muntworp

In het hart van deze computer zit een klein onderdeel dat een p-bit (probabilistische bit) wordt genoemd.

De Oude Manier: In normale computers is een bit als een lichtschakelaar: hij staat ofwel AAN (1) of UIT (0). Hij verandert nooit, tenzij je dat zegt.
De Nieuwe Manier: Een p-bit is als een draaiende munt. Hij is niet alleen AAN of UIT; hij wankelt tussen de twee in.
- Als de munt zwaar naar "Kop" is afgesteld, zal hij bijna altijd AAN zijn.
- Als hij naar "Munt" is afgesteld, zal hij bijna altijd UIT zijn.
- Als hij perfect in evenwicht is, flipt hij willekeurig.

De onderzoekers hebben een speciale "kunstmatige munt" gemaakt met een combinatie van standaard computerchips en een nieuw materiaalgheugen (HfO₂ RRAM). Het coole eraan is dat ze het gewicht van deze munt kunnen afstemmen. Ze kunnen de munt wild laten tollen (hoge willekeur) om nieuwe ideeën te verkennen, of hem laten neerdalen (lage willekeur) om een goed antwoord vast te leggen.

De Strategie: De "Annealing" Dans

Om de beste medicijnpasvorm te vinden, gebruikt de computer een strategie genaamd Dynamic Slope Annealing (DSA). Stel je voor dat je de diepste vallei probeert te vinden in een mistig berglandschap (de beste oplossing).

De Schudbeweging (Hoge Willekeur): Aan het begin schudt de computer het systeem heftig door elkaar. Het is alsof je een bal in de lucht gooit en hem alle kanten op laat stuiteren. Dit helpt de bal om over kleine heuvels te springen en te voorkomen dat hij vast komt te zitten in ondiepe plassen (lokale fouten).
De Kalmte (Lage Willekeur): Langzaam stopt de computer met schudden. De bal begint de hellingen af te rollen. Omdat hij eerder zoveel heeft verkend, is de kans groot dat hij in de diepste, meest perfecte vallei rolt (het globale optimum) in plaats van vast te komen zitten in een klein kuiltje.

Het artikel laat zien dat door het "schudden" perfect te controleren, hun chip in 72% van de gevallen de beste oplossing vond, wat een groot succes is voor dit type probleem.

De Praktijktest: De Lipoproteïne Puzzel

De onderzoekers hebben niet alleen met wiskunde gespeeld; ze hebben dit getest op een echte biologische puzzel.

Het Probleem: Ze wilden zien hoe een specifiek "lipoproteïne" (een vet molecuul) past in een "chaperonne"-eiwit (LolA-LolCDE) in bacteriën. Dit is een cruciale stap in de manier waarop bacteriën hun celwanden opbouwen. Als je dit kunt stoppen, kun je de bacteriën doden.
De Vertaling: Ze hebben deze 3D-puzzel omgezet naar een grafentheorie-probleem (het verbinden van punten). Ze hadden 42 mogelijke verbindingspunten (punten) en moesten de specifieke groep punten vinden die perfect in elkaar past zonder te botsen.
Het Resultaat: Hun p-computerchip identificeerde succesvol de juiste groep verbindingen. Toen ze naar de 3D-vorm keken die de computer voorspelde, kwam deze overeen met wat wetenschappers al wisten over de juiste vorm.

Waarom Dit Belangrijk Is (Volgens het Papier)

Het artikel benadrukt drie belangrijke voordelen van hun nieuwe chip ten opzichte van andere methoden:

Geen "Opruiming" Nodig: Andere methoden, zoals sommige quantumbenaderingen, geven je vaak een rommelig antwoord dat een tweede computer nodig heeft om "op te ruimen" en te corrigeren. Deze p-computer gaf direct een schoon, correct antwoord uit de hardware.
Klein en Praktisch: Terwijl sommige quantumopstellingen een hele laboratoriumruimte in beslag nemen, is deze chip piepklein. Hij past op een kleine printplaat ter grootte van een postzegel (6,5 x 4 mm).
Kamertemperatuur: In tegenstelling tot quantumcomputers die bevroren moeten worden tot nabij het absolute nulpunt, werkt deze chip op een normale kamertemperatuur.

Samenvatting

Kortom, de onderzoekers hebben een piepkleine computerchip gebouwd die werkt op kamertemperatuur en fungeert als een slimme, afstelbare muntwerper. Ze hebben hem geleerd om een complexe 3D-puzzel op te lossen over hoe bacteriën moleculen transporteren. Door de munt eerst wild te laten tollen en daarna te laten kalmeren, vond de chip in 72% van de gevallen de perfecte oplossing, wat bewijst dat deze nieuwe "probabilistische" hardware een krachtig hulpmiddel is voor medicijnontdekking.

Technische Samenvatting: Eerste Hardware-demonstratie van een Universele Programmeerbare RRAM-gebaseerde Probabilistische Computer voor Moleculaire Docking

Probleemstelling
Moleculaire docking is een fundamentele uitdaging in de ontdekking van geneesmiddelen, waarbij de voorkeursbindingconformatie tussen een ligand en een doelwit-eiwit moet worden voorspeld. De enorme zoekruimte die wordt gecreëerd door de structurele diversiteit van biomoleculen en flexibele bindingsmodi, overbelast conventionele computermethoden. Hoewel quantumcomputing-benaderingen, zoals Gaussian Boson Sampling (GBS) en het Quantum Approximate Optimization Algorithm (QAOA), veelbelovend zijn, kampen ze met aanzienlijke hindernissen bij praktische toepassing, waaronder schaalbaarheidsbeperkingen, hardwarematige beperkingen, precisieproblemen en de frequente noodzaak voor complexe post-processing algoritmen om niet-clique outputs te corrigeren. Bovendien vertrouwt bestaande probabilistische computing (p-computing) hardware vaak op hybride architecturen (CMOS + X) die de stochastische device-generatie scheiden van deterministische verwerking, wat de von Neumann-geheugenbottleneck opnieuw introduceert en de efficiëntie beperkt.

Methodologie
De auteurs stellen een prototype van een probabilistische computer (p-computer) voor die computing-in-memory (CIM) schema's integreert met kunstmatige instelbare probabilistische bits (p-bits).

Hardware Architectuur: Het systeem is gebouwd op een discrete Hopfield Neural Network (DHNN) architectuur. De kernhardware bestaat uit een 1T1R (één-transistor, één-weerstand) array die back-end-of-line (BEOL) HfO₂-gebaseerde Resistive Random-Access Memory (RRAM) integreert met 180 nm CMOS-technologie. In tegenstelling tot eerdere benaderingen die vertrouwen op de intrinsieke stochastiek van devices (die na fabricage vaststaat), maakt dit ontwerp gebruik van een "in-situ" kunstmatige p-bit. Deze p-bit combineert een RRAM-cel met een Gaussische Random Number Generator (RNG) en een comparator. De RRAM-array voert Multiply-Accumulate (MAC) operaties uit, terwijl de Gaussische RNG een dynamische drempelwaarde biedt om de stochastiek van de p-bit output te moduleren.
Algoritme en Probleemmapping: Het moleculaire docking-probleem wordt geherformuleerd als een Maximum Weighted Clique Problem (MWCP) op een graaf.
1. Graafconstructie: Farmacofoorpunten (PP's) op het ligand en de receptor worden geëxtraheerd. Potentiële bindingsparen vormen knopen in een graaf. Ruimtelijke compatibiliteitscontroles (gebaseerd op Euclidische afstanden) bepalen de randen, wat een Binding Interaction Graph (BIG) creëert.
2. QUBO Formulering: De MWCP wordt getransformeerd naar een Quadratic Unconstrained Binary Optimization (QUBO) probleem, dat vervolgens wordt gemapt naar een energie-minimalisatiefunctie geschikt voor de DHNN. De energiefunctie bevat een term voor het maximaliseren van knoopgewichten (bindingsaffiniteit) en een strafterm voor het afdwingen van clique-restricties (ruimtelijke compatibiliteit).
3. Dynamic Slope Annealing (DSA): Om het probleem van lokale minima te overwinnen, introduceren de auteurs een DSA-mechanisme. In plaats van vaste stochastiek wordt de standaarddeviatie ( $\sigma$ ) van de Gaussische RNG tijdens de iteratie dynamisch aangepast. Het systeem begint met een hogere stochastiek om de oplossingsruimte breed te verkennen en vermindert $\sigma$ geleidelijk naar nul om te convergeren op het globale optimum.

Belangrijkste Bijdragen

In-Situ Instelbare p-Bits: Het artikel introduceert een p-bit ontwerp dat de stochastiek ontkoppelt van intrinsieke device-kenmerken. Door een Gaussische RNG te gebruiken om de bias-stroomverdeling in de RRAM-array te controleren, bereikt het systeem instelbare sigmoïdale input-output karakteristieken zonder afhankelijk te zijn van de vaste willekeur van het fysieke device. Dit verlaagt de technische barrières voor hardware-implementatie.
Eerste Hardware-demonstratie in Computationele Biologie: Dit werk vertegenwoordigt de eerste succesvolle toepassing van p-computing hardware op een moleculair docking-probleem.
Geïntegreerd CIM Prototype: De auteurs hebben een functioneel prototype gefabriceerd dat HfO₂ RRAM integreert met 180 nm CMOS, wat een compacte, energiezuinige oplossing biedt die de von Neumann-bottleneck vermijdt.
DSA Algoritme: De ontwikkeling van de DSA-strategie, specifiek afgestemd op deze hardware om de balans tussen globale exploratie en lokale convergentie te bewaren.

Experimentele Resultaten
Het systeem werd gevalideerd door een 42-node moleculair docking-probleem op te lossen met betrekking tot een lipoproteïne en het LolA-LolCDE complex, een cruciaal doelwit voor de ontwikkeling van antibiotica tegen Gram-negatieve bacteriën.

Stochastiek Instellen: Experimenten waarbij de standaarddeviatie ( $\sigma$ ) van de Gaussische RNG varieerde, toonden aan dat een vaste $\sigma = 0,5$ de beste prestaties leverde onder constante instellingen, waarbij de optimale oplossing (Maximum Weighted Clique) werd geïdentificeerd in 35% van de 100 proeven. Lagere $\sigma$ -waarden leidden tot gevangenis in lokale minima, terwijl hogere waarden voor excessieve ruis zorgden.
DSA Prestaties: Het toepassen van de DSA-strategie (het dynamisch reduceren van $\sigma$ van 0,5 naar 0) verbeterde de prestaties aanzienlijk. Het systeem identificeerde succesvol de theoretische grondtoestand (de optimale bindingsconformatie met een cumulatief gewicht van 0,8702) in 72% van de 100 proeven.
Validatie: De voorspelde docking-configuratie, bestaande uit vier hydrofobe interacties en één waterstofbinding, kwam nauw overeen met de resultaten van de Protein-Ligand Interaction Profiler tool.
Vergelijking: In tegenstelling tot GBS en andere quantum-gebaseerde solvers, bood de p-computer een een-staps oplossing zonder dat post-processing algoritmen nodig waren om de clique-eigenschappen af te dwingen. Het systeem werkte op een compacte PCB met een geïntegreerde chip van 6,5 × 4 mm², in contrast met de grote laboratoriumvoetafdrukken van fotonische quantum-systemen.

Betekenis en Claims
De auteurs beweren dat dit werk een doorbraak markeert in de toepassing van p-computing in de computationele biologie. De studie demonstreert dat RRAM-gebaseerde p-computers efficiënt complexe combinatorische optimalisatieproblemen kunnen oplossen die inherent zijn aan drug design, waarbij ze huidige quantum-benaderingen overtreffen op het gebied van schaalbaarheid, hardwarevoetafdruk en het elimineren van post-processing vereisten. Door succesvol een 42-node MWCP op te lossen met een succespercentage van 72%, valideert dit werk de haalbaarheid van het gebruik van instelbare kunstmatige p-bits voor real-world bio-informatica uitdagingen. De auteurs positioneren deze technologie als een transformerende aanpak voor drug discovery, die een schaalbaar en energiezuinig alternatief biedt voor zowel conventionele computing als de huidige beperkingen van quantumhardware.