Scaling Quantum Optimisation Beyond Hardware Limits for Real-World Scientific Workloads: Genome Assembly on Current Quantum Hardware
Dit onderzoek toont aan dat het Hamiltonian Auto Decomposition Optimisation Framework (HADOF) de huidige NISQ-hardwarebeperkingen kan overwinnen om succesvol een 7,1 miljoen basenparen groot *Pseudomonas aeruginosa*-genoom te assembleren op echte quantumhardware, waarbij een genoomfractie van 99,348% wordt bereikt en de levensvatbaarheid van schaalbare quantumoptimalisatie voor grootschalige wetenschappelijke workloads wordt bewezen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Elk levend wezen draagt zijn eigen unieke instructiehandleiding bij zich, geschreven in een code van vier chemische letters: A, C, G en T. Om te begrijpen hoe een organisme functioneert, hoe het ziekten veroorzaakt of hoe het medicijnen zou kunnen weerstaan, moeten wetenschappers eerst deze hele handleiding lezen. Echter, moderne machines kunnen het hele boek niet in één keer lezen. In plaats daarvan hakken ze het DNA in miljoenen kleine, overlappende fragmenten, vergelijkbaar met het versnipperen van een roman in duizenden kleine stukjes. De uitdaging van genoomassemblage is om deze verspreide fragmenten weer samen te voegen tot de juiste, volledige sequentie. Dit is een enorme puzzel waarbij de stukjes niet alleen door elkaar gehusseld zijn, maar vaak ook fouten en verwarrende herhalingen bevatten die het moeilijk maken om te weten welk stukje waar hoort. Het goed krijgen hiervan is essentieel voor het traceren van infectieziekten, het begrijpen van kanker en het monitoren van hoe bacteriën evolueren om antibiotica te overleven.
Decennialang hebben wetenschappers vertrouwd op klassieke computers om dit puzzelstukje op te lossen, waarbij ze slimme afkortingen gebruikten om de beste volgorde van de stukjes te raden. Maar naarmate genomen groter en complexer worden, schieten deze afkortingen soms tekort, waardoor er gaten ontstaan of valse verbindingen worden gemaakt. Een nieuw onderzoeksveld vraagt zich af of quantumcomputers, die werken volgens de vreemde wetten van de fysica die de subatomaire wereld beheersen, deze puzzels effectiever kunnen oplossen. De hoop is dat deze machines miljoenen mogelijke arrangementen tegelijkertijd kunnen verkennen om de enkelvoudige beste route door de data te vinden. De huidige quantumcomputers staan echter nog in hun kinderschoenen. Ze zijn klein, fragiel en gevoelig voor fouten, wat betekent dat ze de enorme datasets die vereist zijn voor de echte biologie nog niet kunnen verwerken.
In een recente studie pakten onderzoekers precies dit probleem aan door te proberen het genoom van Pseudomonas aeruginosa te assembleren – een veelvoorkomende bacterie die ernstige infecties kan veroorzaken – met behulp van een echte quantumcomputer. Het team probeerde niet de hele puzzel in één keer op de machine te dwingen, wat onmogelijk zou zijn geweest gezien de beperkte omvang van de computer. In plaats daarvan braken ze het probleem af in duizenden kleine, beheersbare stukjes. Ze gebruikten een nieuwe methode genaamd het Hamiltonian Auto Decomposition Optimisation Framework, of HADOF, dat fungeert als een coördinator. Dit framework splitst de gigantische assemblage-taak op in kleine subproblemen die passen op de quantumchip, lost ze één voor één op en voegt de resultaten vervolgens weer samen. De onderzoekers testten deze aanpak op een echte quantumprocessor met 133 quantum bits, of qubits, met behulp van werkelijke DNA-sequencingdata van een bacterie met een genoomgrootte van 7,1 miljoen basenparen.
De resultaten toonden aan dat hoewel de quantumcomputer nog lang niet perfect was, deze nog steeds een biologisch bruikbaar antwoord kon produceren. De quantum-ondersteunde methode slaagde erin 99,348 procent van het bacteriële genoom te reconstrueren, een resultaat dat opmerkelijk dicht bij wat de beste klassieke computers kunnen bereiken ligt. De gereconstrueerde sequentie was bijna een perfecte kopie van het origineel, met bijna geen gedupliceerde of ontbrekende secties. Dit succes is significant omdat het bewijst dat quantumoptimalisatie op een veel grotere schaal kan werken dan ooit tevoren, voorbijgaand aan kleine, theoretische voorbeelden naar een echte, klinisch relevante organisme. De onderzoekers ontdekten dat de quantumcomputer niet simpelweg de wiskundig "beste" score in zijn berekeningen vond; soms leidde de wiskundig perfecte score eigenlijk tot een defect of onjuist genoom. In plaats daarvan lag de sleutel tot succes in het kijken naar de structuur van de oplossing – specifiek, hoeveel stukjes er in het uiteindelijke pad werden behouden – en het gebruiken van die informatie om de juiste assemblage te identificeren uit een breed scala aan mogelijkheden.
Deze studie belichtte ook de huidige beperkingen van de technologie. Wanneer de onderzoekers hetzelfde probleem draaiden op een perfecte, ruisvrije simulatie van de quantumcomputer, waren de resultaten iets beter dan op de echte machine. De echte hardware introduceerde fouten die de ruwe wiskundige scores slechter en de oplossingen gefragmenteerder maakten. De onderzoekers toonden echter aan dat zelfs met deze fouten de onderliggende methode robuust genoeg was om een hoogwaardig genoom te herstellen. Ze ontdekten dat het aantal stukjes dat in de uiteindelijke assemblage werd behouden, een sterke indicator van succes was: oplossingen die een bepaald minimum aantal stukjes behielden, resulteerden bijna altijd in een compleet genoom, ongeacht de ruwe score die de computer hen gaf. Dit suggereert dat wetenschappers in de toekomst wellicht niet hoeven te wachten op perfecte quantumcomputers om bruikbare resultaten te krijgen; ze kunnen huidige, imperfecte machines gebruiken als ze de juiste manier hebben om de data te interpreteren.
Het werk dient als een brug tussen theoretische belofte en praktische toepassing. Het demonstreert dat door quantumcomputing te combineren met slimme klassieke strategieën, wetenschappers kunnen beginnen met het oplossen van biologische problemen die voorheen buiten bereik lagen. De onderzoekers hebben hun code en data publiekelijk beschikbaar gesteld, zodat anderen deze methoden kunnen testen op verschillende organismen en met verschillende machines. Hoewel dit nog geen vervanging is voor de standaardtools die in ziekenhuizen en laboratoria worden gebruikt, is het een duidelijk bewijs dat quantumoptimalisatie de realiteit van biologische complexiteit kan aan. De weg vooruit behelst het verfijnen van deze methoden om grotere genomen te kunnen verwerken en om de fouten die de huidige hardware onvermijdelijk produceert beter te filteren. Voor nu staat de studie als een concrete stap naar een toekomst waarin quantumcomputers kunnen helpen bij het decoderen van de meest complexe instructies van het leven, één fragment tegelijk.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.