Sử dụng nền tảng Dynex để tìm cấu trúc thân tối ưu cho các chuỗi RNA của virus khảm xanh thuốc lá và HIV. Ví dụ này lấy RNA-seq và áp dụng mô hình lần để theo đuổi cấu hình thân tối ưu.
Tham khảo văn bản gốc của trường hợp sử dụng Dynex:
https://github.com/dynexcoin/DynexSDK/blob/main/example_rna_folding.ipynb
Người đóng góp thuật toán lượng tử:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9022793/pdf/pcbi.1010032.pdf
Bối cảnh kiến thức: Đây là một thuật toán máy tính lượng tử
Không phải tất cả các chương trình chạy trên máy tính lượng tử đều có cái gọi là "lợi thế lượng tử". Nhiều trong đó thực sự có thể được mô phỏng bằng máy tính cổ điển. Phương pháp mô phỏng hiệu quả quá trình tính toán lượng tử này đã tạo ra một số "Thuật toán lấy cảm hứng từ lượng tử". ví dụ, thuật toán Bifurcation mô phỏng có nguồn gốc từ Định lý đoạn nhiệt lượng tử. Đây là một thuật toán chạy trên máy tính cổ điển trong những năm gần đây, nó đã thống trị lĩnh vực tối ưu hóa tổ hợp.
Tuy nhiên, cũng có một trong đó quy trình tính toán lượng tử khó mô phỏng bằng máy tính cổ điển (chẳng hạn như thuật toán của Shor). Trong lĩnh vực vật lý vật chất ngưng tụ, người ta nhận thấy rất khó để mô phỏng các “hệ nhiều vật lượng tử” có tính vướng víu mạnh trên máy tính cổ điển. Hiện nay, thuật toán mạng tensor hiệu quả hơn, nhưng nó cũng bị hạn chế bởi. quy mô của vấn đề. Các hệ thống có sự vướng víu mạnh thường được cho rằng khó mô phỏng bằng máy tính cổ điển.
Đánh giá nội dung vướng víu lượng tử
Sự gấp nếp 3 chiều của các phân tử RNA phụ thuộc phần lớn vào kiểu liên kết hydro nội phân tử giữa các bazơ. Dự đoán các mạng ghép nối cơ sở từ các chuỗi, còn được gọi là dự đoán cấu trúc thứ cấp RNA hoặc gấp RNA, là một vấn đề tính toán hoàn chỉnh về thời gian đa thức (NP) không xác định. Cấu trúc của một phân tử dự đoán mạnh mẽ về chức năng và tính chất sinh hóa của nó, vì vậy khả năng dự đoán chính xác cấu trúc là một công cụ quan trọng đối với các nhà hóa sinh. Nhiều phương pháp đã được đề xuất để lấy mẫu một cách hiệu quả các mẫu cấu trúc thứ cấp có thể. Phương pháp cổ điển sử dụng lập trình động và nghiên cứu gần đây khám phá phương pháp lấy cảm hứng từ các thuật toán tiến hóa và học máy. Công trình này chứng tỏ việc sử dụng phần cứng điện toán lượng tử để dự đoán cấu trúc thứ cấp của RNA. Một Hamiltonian được viết dưới dạng mô hình bậc hai nhị lần(BQM) được rút ra để điều khiển hệ thống tối đa hóa số lượng cặp bazơ liên tiếp đồng thời tối đa hóa chiều dài trung bình của thân cây. So sánh máy ủ lượng tử (QA) với thuật toán trao đổi bản sao Monte Carlo (REMC) được lập trình với cùng hàm mục tiêu, kết quả cho thấy QA có tính cạnh tranh cao trong việc xác định nhanh chóng các giải pháp năng lượng thấp.
Điều tra vướng víu lượng tử
Cho đến nay, có hai mô hình chính của máy tính lượng tử (QC): mô hình cổng và ủ lượng tử. Các thiết bị lượng tử mô hình cổng có nhiều ứng dụng và được sử dụng phổ biến nhất trong hóa học lượng tử và tính toán máy học lượng tử. Một thiết kế khác được D-Wave tiên phong là QA. So với nhiều ứng dụng của mô hình cổng QC, QA có phạm vi hẹp hơn nhiều và chỉ tập trung vào việc tối ưu hóa giải pháp cho một vấn đề bằng cách giảm thiểu vấn đề Hamiltonian. Cho đến nay, QA chứa hàng nghìn qubit đã được xây dựng và các thiết bị này có khả năng giải quyết các vấn đề tối ưu hóa tổ hợp rời rạc đủ lớn để cho phép thử nghiệm các trường hợp sử dụng công nghiệp trong thế giới thực. Thay vì được lập trình bởi một chuỗi các toán tử lượng tử, QA được thiết kế để xử lý Hamiltonian lần dưới dạng một phương trình.
D-Wave QA được sử dụng trong nguyên mẫu nghiên cứu này là một thiết bị tương tự chứa khoảng 5.000 qubit. Thiết bị được lập trình bằng cách cài đặt các giá trị cho từ trường cục bộ và cường độ khớp nối, đồng thời quá trình ủ tiến hành bằng cách giảm đoạn nhiệt cường độ của từ trường ngang. Thiết kế này tương tự như quá trình ủ mô phỏng của Ising Hamiltonian, với điểm khác biệt chính là quá trình ủ tránh bị mắc kẹt ở mức tối thiểu cục bộ thông qua các đường hầm lượng tử thay vì dao động nhiệt và xác suất nhảy ra khỏi mức tối thiểu cục bộ được xác định bởi chiều rộng của chướng ngại vật hơn là chiều cao.
Phương pháp thực hiện tính toán hiện tại trên thiết bị lượng tử yêu cầu các thuật ngữ tương tác phải được tính toán trước trên thiết bị cổ điển và đọc vào thiết bị lượng tử thông qua API chuyên dụng. Chương trình được xây dựng và thực thi bằng thư viện python do hệ thống D-Wave cung cấp. Lớp BinaryQuadraticModel trong thư viện python dimod 0.9.10 được sử dụng để xây dựng các mô hình từ dữ liệu được chuẩn bị theo kiểu cổ điển và chuyển đổi chúng thành cấu trúc dữ liệu tương thích với các thiết bị lượng tử. Các thuật ngữ tương tác một phần và hai phần được tính toán trước, lưu trữ trong các mảng gọn gàng và được chuyển vào phiên bản BinaryQuadraticModel dưới dạng biểu diễn dimod.BINARY cùng với độ lệch là 0,0. Mô hình được thực thi bằng lớp LeapHybridSampler từ thư viện python dwave.system. Bộ giải được phân bổ 3 giây thời gian thực hiện. Trạng thái riêng có giá trị riêng phù hợp thấp nhất được chọn để thể hiện kết quả mô phỏng.
Di chuyển nghiên cứu này sang Dynex
SDK Dynex cung cấp các bộ lấy mẫu thần kinh/QUBO có thể được gọi từ bất kỳ mã Python nào. Các nhà phát triển và nhà phát triển ứng dụng đã quen thuộc với khung DIMOD sẽ thấy việc chạy các phép tính trên nền tảng điện toán biến đổi thần kinh Dynex rất dễ dàng: Đối tượng Dynex Sampler có thể thay thế đối tượng lấy mẫu mặc định, thường được sử dụng để chạy các phép tính, chẳng hạn như D -wave hệ thống không có giới hạn của máy lượng tử.
