Scaling Quantum Optimisation Beyond Hardware Limits for Real-World Scientific Workloads: Genome Assembly on Current Quantum Hardware
这项研究表明，哈密顿自动分解优化框架（HADOF）能够克服当前 NISQ 硬件的限制，在真实量子硬件上成功组装了一个 710 万碱基对的铜绿假单胞菌（*Pseudomonas aeruginosa*）基因组，实现了 99.348% 的基因组组装比例，并证明了可扩展量子优化在大型科学工作负载中的可行性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
每个生命体都携带着一份由 A、C、G 和 T 这四种化学字母组成的独特指令手册。为了了解一个生物体如何运作、如何导致疾病，或者如何可能产生耐药性，科学家必须首先阅读这整本手册。然而，现代机器无法一次性读完整本书。相反，它们会将 DNA 切割成数百万个微小的、相互重叠的片段，就像将一部小说撕碎成成千上万个小碎片一样。基因组组装的挑战在于，如何将这些散乱的碎片重新组装成正确且完整的序列。这是一个巨大的拼图，其中的碎片不仅杂乱无章，而且往往包含错误和令人困惑的重复序列，使得很难确定哪个碎片属于哪里。准确完成这项工作对于追踪传染病、理解癌症以及监测细菌如何通过进化来抵御抗生素至关重要。
几十年来，科学家一直依赖经典计算机来解决这个难题，利用巧妙的捷径来推测碎片的最优排列顺序。但随着基因组变得越来越大且越来越复杂，这些捷径有时会失效，留下缺口或产生错误的连接。一个新的研究领域正在探讨量子计算机——其运行在控制亚原子世界的奇异物理定律之上——是否能更有效地解决这些难题。人们希望这些机器可以同时探索数百万种可能的排列方式，从而找到数据中的唯一最佳路径。然而，目前的量子计算机仍处于婴儿期。它们规模微小、极其脆弱且容易出错，这意味着它们目前还无法处理现实世界生物学所需的庞大数据集。
在最近的一项研究中，研究人员尝试使用一台真实的量子计算机来组装铜绿假单胞菌（Pseudomonas aeruginosa，一种可引起严重感染的常见细菌）的基因组，以应对这一挑战。团队并没有试图将整个拼图强行塞进机器，因为考虑到计算机有限的规模，这样做是不可能的。相反，他们将问题分解成了数千个微小的、易于处理的部分。他们使用了一种名为“哈密顿自动分解优化框架”（HADOF）的新方法，该框架充当了协调员的角色。该框架将巨大的组装任务拆分为适合量子芯片的小型子问题，逐一解决这些子问题，然后将结果缝合在一起。研究人员在拥有 133 个量子比特（qubits）的真实量子处理器上测试了这种方法，使用的是来自一个基因组大小为 710 万碱基对的细菌的实际 DNA 测序数据。
结果显示，虽然量子计算机远非完美，但它仍然能够产生具有生物学意义的答案。量子辅助方法成功重建了该细菌 99.348% 的基因组，这一结果与最优秀的经典计算机所能达到的水平非常接近。重建的序列几乎是原始序列的完美副本，几乎没有重复或缺失的部分。这一成功具有重要意义，因为它证明了量子优化可以在比以往大得多的规模上发挥作用，从微小的“玩具模型”转向了具有实际临床相关性的生物体。研究人员发现，量子计算机并不只是找到了计算中的数学“最佳”得分；有时，数学上的完美得分实际上会导致破碎或错误的基因组。相反，成功的关键在于观察解的结构——具体来说，是看最终路径中保留了多少个碎片——并利用这一点从广泛的可能性中识别出正确的组装结果。
这项研究还强调了当前技术的局限性。当研究人员在量子计算机的一个完美、无噪声的模拟环境中运行相同的问题时，结果比在真实机器上略好。真实硬件引入的误差使得原始数学得分看起来更差，且解的碎片化程度更高。然而，研究人员表明，即使存在这些误差，底层方法也足够稳健，能够恢复高质量的基因组。他们发现，最终组装中保留的碎片数量是一个强有力的成功指标：只要解中保留了一定最小数量的碎片，几乎总能得到完整的基因组，无论计算机给出的原始得分如何。这表明，在未来，科学家们可能不需要等待完美的量子计算机才能获得有用的结果；如果拥有正确的数据解释方法，他们可以使用现有的、不完美的机器。
这项工作是连接理论前景与实际应用的桥梁。它证明了通过将量子计算与智能的经典策略相结合，科学家可以开始解决以前无法触及的生物学问题。研究人员已向公众开放了他们的代码和数据，允许他人将这些方法应用于不同的生物体和不同的机器。虽然这目前还不能取代医院和实验室中的标准工具，但它清晰地证明了量子优化可以处理现实世界的生物复杂性。未来的路径包括改进这些方法以处理更大的基因组，并更好地过滤掉当前硬件不可避免产生的误差。就目前而言，这项研究是迈向未来的一步，在未来，量子计算机或许能帮助我们通过一个接一个的片段，解码生命中最复杂的指令。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。