En mi área de investigación (computación cuántica adiabática), todos nuestros problemas tienen que reducirse esencialmente a problemas de optimización de gráficos. Una de las aplicaciones más alucinantes de esto fue el plegamiento cuántico de proteínas .
La computadora cuántica D-Wave resuelve el problema de plegamiento de proteínas
Y aquí está el informe más técnico:
- ¿Qué debo hacer como estudiante de primer año de pregrado para obtener una visión completa de CS?
- ¿Debo estudiar matemáticas primero, antes de aprender el aprendizaje automático? (Ni siquiera puedo resolver los problemas de la escuela secundaria).
- ¿Cuál es la forma más fácil de crear un motor de búsqueda eficiente?
- Tengo un arranque dual de Windows 10 y Ubuntu 16.04, ¿cómo cambio / desinstalo Ubuntu para instalar Mint Cinamon?
- ¿Pueden los avances en informática ayudar a eliminar la pobreza? ¿Si es así, cómo?
Encontrar conformaciones de baja energía de modelos de proteínas reticulares mediante recocido cuántico
Entonces, la idea básica detrás del plegamiento de proteínas es que desea minimizar la energía de toda la configuración de la proteína. Este es un problema complicado de alto nivel que personalmente no entiendo completamente, pero hay una forma más intuitiva de pensarlo. Echa un vistazo a la siguiente gráfica.
Esta es la idea básica detrás de la optimización, ya que probablemente sabrá si está familiarizado con CS, matemáticas o física. Con el plegamiento de proteínas, la configuración mínima es la que desea, que corresponde en este modelo 2D simplificado al valle más bajo. Hay otros valles bajos, pero no los quieres. Estas otras configuraciones posibles corresponden a enfermedades genéticas como la enfermedad de las vacas locas, algunos tipos de cáncer y otras enfermedades. Entonces, comprender cómo se forman estas proteínas puede ayudarnos seriamente a encontrar curas. Otra forma de entender los mínimos locales es pensar en las burbujas de aire en el vidrio. Si deja que el vidrio se enfríe demasiado rápido, obtendrá burbujas de aire, y estas son configuraciones mínimas a nivel local, pero, por supuesto, no son las configuraciones de vidrio más fuertes / densas posibles.
Pero esto no es realmente un gráfico, ¿verdad? Entonces tienes que tomar tus problemas y reformularlos. Para comprender esto intuitivamente, puede pensar en la dimensionalidad del problema. Con la curva 2D anterior, tiene 2 grados de libertad (obviamente). En los problemas de gráficos, tendrá muchos grados de libertad, generalmente sujetos a algunas restricciones. Para el plegamiento de proteínas, tiene muchos cientos o miles, y posiblemente más grados de libertad dependiendo de cuán detallado o preciso desee que sea su simulación. Si ve cómo aumenta la complejidad de esta manera, comprenderá que se vuelve exponencialmente más difícil y es por eso que este es un problema de NP completo. (Todavía tengo dificultades para explicar esta parte, por lo que si alguien tiene más ideas o preguntas, pensaré más sobre esto y podría volver a escribir más adelante).
Aquí hay una ilustración del problema gráfico que se traduce al hardware de computación cuántica, ignorando la parte inferior:
Esto se debe a que la arquitectura de la computadora cuántica es específica y limitada. Si desea más detalles, asegúrese de leer el segundo enlace que publiqué anteriormente, ya que esta cifra proviene de ese informe.
Si tiene curiosidad acerca de cómo la computación cuántica adiabática, mis otras respuestas al respecto podrían ayudar un poco: https://www.quora.com/Hadayat-Se….
De todos modos, el plegamiento cuántico de proteínas es tan alucinante como lo es para mí.
