Pionero en el estudio de enfermedades genéticas con computación cuántica

Stefan Bekiranov, PhD, ha desarrollado un algoritmo para estudiar enfermedades genéticas usando computadoras cuánticas, una vez que haya computadoras cuánticas mucho más potentes para ejecutarlo. Crédito: Universidad de Virginia

Los científicos de la Facultad de Medicina de la Universidad de Virginia están aprovechando el potencial alucinante de las computadoras cuánticas para ayudarnos a comprender las enfermedades genéticas incluso antes de que las computadoras cuánticas sean una realidad.

Stefan Bekiranov, Ph.D., y sus colegas de UVA han desarrollado un algoritmo que permite a los investigadores estudiar enfermedades genéticas usando computadoras cuánticas, una vez que haya computadoras cuánticas mucho más potentes para ejecutarlo. El algoritmo, un conjunto complejo de instrucciones operativas, ayudará a avanzar en el desarrollo de algoritmos de computación cuántica y podría avanzar en el campo de la investigación genética algún día.

Las computadoras cuánticas aún están en pañales. Pero cuando se hagan realidad, posiblemente dentro de una década, pueden ofrecer un poder de cómputo a una escala inimaginable usando computadoras tradicionales.

«Desarrollamos e implementamos un algoritmo de clasificación de muestras genéticas que es fundamental para el campo de aprendizaje automático en una computadora cuántica de una manera muy natural usando las fortalezas inherentes de las computadoras cuánticas», dijo Bekiranov. «Este es sin duda el primer estudio de computadora cuántica publicado financiado por el Instituto Nacional de Salud Mental y puede ser el primer estudio que utiliza una computadora cuántica universal financiada por los Institutos Nacionales de Salud».

Computación cuántica Conceptos básicos

Los programas informáticos tradicionales se basan en 1 y 0, uno u otro. Pero las computadoras cuánticas se aprovechan de un extraño fundamento de la física cuántica: algo puede ser y no ser al mismo tiempo. En lugar de 1 o 0, la respuesta, desde la perspectiva de una computadora cuántica, es ambos, simultáneamente. Eso le permite a la computadora considerar muchísimas más posibilidades, todas a la vez.

El desafío es que la tecnología es, para decirlo a la ligera, técnicamente exigente. Muchas computadoras cuánticas deben mantenerse cerca del cero absoluto, el equivalente a más de 450 grados bajo cero en la escala Fahrenheit. Incluso entonces, el movimiento de las moléculas que rodean los elementos de la computación cuántica puede estropear los cálculos, por lo que los algoritmos no solo tienen que contener instrucciones sobre qué hacer, sino también sobre cómo compensar los errores.

«Nuestro El objetivo era desarrollar un clasificador cuántico que pudiéramos implementar en una computadora cuántica real de IBM. Pero los principales documentos de aprendizaje cuántico de máquinas en el campo eran altamente teóricos y requerían hardware que no existía. Finalmente encontramos documentos de la Dra. Maria Schuld, quien es un pionero en el desarrollo de algoritmos de aprendizaje automático cuántico implementables a corto plazo. Nuestro clasificador se basa en los desarrollados por el Dr. Schuld «, dijo Bekiranov. «Una vez que comenzamos a probar el clasificador en el sistema de IBM, descubrimos rápidamente sus limitaciones actuales y, por ahora, solo pudimos implementar con éxito un problema muy simplificado o de ‘juguete'».

Clasificación de datos genómicos

p>

El nuevo algoritmo esencialmente clasifica los datos genómicos. Puede determinar si una muestra de prueba proviene de una enfermedad o muestra de control exponencialmente más rápido que una computadora convencional. Por ejemplo, si usaran los cuatro componentes básicos del ADN (A, G, C o T) para la clasificación, una computadora convencional ejecutaría 3 mil millones de operaciones para clasificar la muestra. El nuevo algoritmo cuántico necesitaría solo 32.

Eso ayudará a los científicos a clasificar la gran cantidad de datos necesarios para la investigación genética. Pero también es una prueba de concepto de la utilidad de la tecnología para dicha investigación.

Bekiranov y su colaborador Kunal Kathuria, Ph.D., pudieron crear el algoritmo porque estaban capacitados en física cuántica, un campo que incluso los científicos a menudo encuentran opaco. Es más probable que tales algoritmos surjan de los departamentos de física o informática que de las facultades de medicina. (Tanto Bekiranov como Kathuria realizaron el estudio en el Departamento de Bioquímica y Genética Molecular de la Facultad de Medicina. Kathuria se encuentra actualmente en el Instituto Lieber para el Desarrollo del Cerebro).

Debido al conjunto particular de habilidades de los investigadores, los funcionarios en el Instituto Nacional de Salud Mental de los Institutos Nacionales de Salud los apoyó para asumir el desafiante proyecto. Bekiranov y Kathuria esperan que lo que han desarrollado sea un gran beneficio para la computación cuántica y, eventualmente, para la salud humana.

«Ahora existen computadoras cuánticas de escala relativamente pequeña que pueden resolver problemas de juguetes», dijo Bekiranov. . «Los desafíos de desarrollar una poderosa computadora cuántica universal son inmensos. Junto con un progreso constante, se necesitarán múltiples avances científicos. Pero una y otra vez, los físicos experimentales y teóricos, trabajando juntos, han estado a la altura de estos desafíos. Si desarrollan una poderosa computadora cuántica universal, creo que revolucionará la computación y será considerada como uno de los mayores logros científicos y de ingeniería de la humanidad».

Explore más

Honeywell afirma haber construido la computadora cuántica de mayor rendimiento disponible Más información: Kunal Kathuria et al, Implementación de un clasificador cuántico genómico similar a la distancia de Hamming usando productos internos en ibmqx2 y ibmq_16_melbourne, Inteligencia de máquina cuántica (2020). DOI: 10.1007/s42484-020-00017-7 Proporcionado por la Universidad de Virginia Cita: Pioneros en el estudio de enfermedades genéticas con computación cuántica (22 de julio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress .com/news/2020-07-genetic-diseases-quantum.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.