Simuleringer af polymerer? Et kvantepuslespil

At bruge computere til at studere polymerer har altid været en stor udfordring for videnskabelig beregning, især for lange og tætpakkede biomolekyler, ligesom DNA. Nye perspektiver åbner sig nu gennem kvanteberegning. Forskere har nu omarbejdet de grundlæggende modeller af polymermodeller som optimeringsproblemer, der effektivt kan løses med kvantecomputere. Denne nye tilgang har gjort det muligt at udnytte disse maskiners betydelige potentiale i en hidtil uudforsket kontekst.

Studiet, offentliggjort i Fysisk gennemgangsbreve tidsskrift, har involveret Cristian Micheletti fra SISSA, og Philipp Hauke ​​og Pietro Faccioli fra University of Trento.

Mange af paradigmerne for videnskabelig databehandling, fra Monte Carlo-teknikker til simuleret udglødning - forfatterne forklarer - blev udviklet, i hvert fald delvist, at studere egenskaberne af polymerer, herunder biologiske som protein og DNA. På den ene side, kvantecomputeres fremmarch åbner nye scenarier for videnskabelig databehandling generelt. På samme tid, det kræver udvikling af nye modeller, der er egnede til at udnytte dette store potentiale fuldt ud. I særdeleshed, kvantecomputere udmærker sig ved at løse optimeringsopgaver. Disse problemer involverer typisk at finde den optimale kombination af systemvariabler i henhold til et forudbestemt scoringssystem.

I betragtning af dette, forfatterne har omarbejdet de grundlæggende polymermodeller ved at etablere en overensstemmelse mellem hver mulig polymerkonfiguration og løsningerne på et passende optimeringsproblem.

"Typisk, polymerkæder er direkte modelleret som en sekvens af punkter i tredimensionelt rum. I klassiske simuleringer, denne kæde animeres derefter via progressive deformationer, efterligner polymerens dynamik i naturen, "forklar forfatterne. Nu hvor vi går ind i kvantecomputerens æra, det bliver naturligt at studere polymerer med disse innovative teknikker. Imidlertid, beskrivelserne baseret på punkter i 3D-rum kan ikke nemt bruges med kvantecomputere. At finde måder at omgå konventionelle polymerbeskrivelser er således en udfordring, der kan åbne nye perspektiver.

Micheletti forklarer, at deres "strategi var at indkode alle mulige konfigurationer af et system af polymerer som løsninger på et enkelt optimeringsproblem. Optimeringsproblemet er formuleret i form af Ising spin-variabler - en af ​​de mest almindelige modeller i fysik - som er effektivt løst med kvantecomputere. For at forenkle, et optimeringsproblem på Ising-modellen kan ses som et farvelægningspuslespil. Udfordringen består i at tildele en blå eller rød farve til hvert punkt i et gitter og samtidig respektere et stort antal regler. For eksempel, punkt A og B skal have forskellig farve, og det samme bør punkt B og C; samtidig skal punkt A og C være af samme farve. Kvantecomputere er ekstremt effektive til at løse sådanne problemer, det er, ved at finde den farvetildeling, der opfylder det største antal givne regler. I vores tilfælde, ved hver fundet løsning af optimeringsproblemet, vi kunne forbinde en specifik polymerkonfiguration. Ved at gentage søgen efter løsninger, vi kunne således indsamle et stigende antal polymerkonfigurationer, alt sammen statistisk uafhængigt."

Den hurtige udvikling af kvantecomputere tyder på, at disse maskiner kunne bruges til at løse videnskabelige problemer, der er langt mere komplekse end dem, der kan adresseres af konventionelle computere. "Det er derfor, det er vigtigt nu at give de algoritmiske grundlag for at udnytte potentialet i dette nye paradigme for videnskabelig beregning." siger forskerne. "Vores undersøgelse giver et første eksempel på, hvordan kvanteberegning kan bruges til at studere centrale polymermodeller. I perspektiv, fordi vores tilgang er generel, det burde danne grundlag for at tackle mere komplekse og ambitiøse systemer, såsom lange biopolymerer i lukkede rum, som også er nøglen til at forstå genomets organisation."