Kvantové algoritmy a motání proteinů

Aktuality |

Kvantové algoritmy mají údajně další úlohu, v níž předčí ty klasické. Jde o tzv. folding problem, tedy určení 3D struktury proteinů ze známé sekvence aminokyselin. V podstatě hledáme minimální hladinu energie; v minulosti byl již k tomu vyvinut projekt distribuovaného počítání podobný známému SETI. Efektivní cestou k určení minima by mohlo být tzv. kvantové žíhání, […]




Kvantové algoritmy mají údajně další úlohu, v níž předčí ty klasické. Jde o tzv. folding problem, tedy určení 3D struktury proteinů ze známé sekvence aminokyselin. V podstatě hledáme minimální hladinu energie; v minulosti byl již k tomu vyvinut projekt distribuovaného počítání podobný známému SETI.

Efektivní cestou k určení minima by mohlo být tzv. kvantové žíhání, genetický algoritmus využívající prý i cosi jako kvantové tunelování. Při hledání minima postupujeme tak, že vezmeme vstupní konfiguraci, začneme provádět záměny a zjišťujeme, zda modifikace struktury proteinu má nižší energii. Kvantové žíhání ale dokáže efektivně „vidět více kroků“, tj. provést sekvenci změn, i když třeba první z nich energii molekuly zvyšuje (vyšší energetický stav se „protuneluje“). Tento problém sice nějak řeší i genetické algoritmy klasické, ale kvantové jsou v tomto prý rychlejší.

Podrobnosti Computerworld.cz.

Faktem ale je, že přesně nevíme, zda v realitě 3D struktura proteinů opravdu odpovídá minimálnímu energetickému stavu ve smyslu „globálního minima“. Může jít třeba o lokální minimum, které je snadno dosažitelné od podoby, v nž se protein syntetizuje (a další minima jsou oddělena bariérami). „Infekčnost“ prionů může souviset třeba s tím, že tato konfigurace, když jednou vznikne, je právě energeticky výhodnější.

Vlastně tedy úplně netušíme, zda přístup k problému v podobě kvantového žíhání odpovídá reálné biochemii.











Komentáře

Napsat vlastní komentář

Pro přidání příspěvku do diskuze se prosím přihlašte v pravém horním rohu, nebo se prosím nejprve registrujte.