Apakah ada contoh siapa pun yang menerapkan algoritma kuantum untuk masalah dalam biologi komputasi?

Seperti judulnya, saya mencari contoh yang dipublikasikan dari algoritma kuantum yang diterapkan pada masalah dalam biologi komputasi. Jelas kemungkinannya tinggi bahwa contoh-contoh praktis belum ada (belum) - apa yang saya minati adalah bukti konsep . Beberapa contoh masalah biologi komputasi dalam konteks ini adalah:

• Prediksi Struktur Protein (Sekunder, Tersier)
• Ikatan Obat-Ligan
• Multiple Sequence Alignment
• Majelis De-novo
• Aplikasi Pembelajaran Mesin

Saya hanya menemukan satu referensi yang menurut saya menggambarkan apa yang saya cari. Dalam penelitian ini, D-Wave digunakan untuk mengikat faktor transkripsi, namun, akan menarik untuk memiliki contoh di luar bidang komputasi kuantum adiabatik.

• Anil kuantum versus pembelajaran mesin klasik diterapkan pada masalah biologi komputasi yang disederhanakan

Ada beberapa dalam hal simulasi kuantum. Sementara mereka jelas tidak simulasi pada skala yang sering dianggap relevan secara biologis, orang bisa membayangkan bahwa jalur penelitian ini adalah pendahulu untuk pemodelan molekul signifikansi biologis yang lebih besar (di antara banyak hal lain).

• Cloud Quantum Computing dari Atomic Nucleus
• Simulasi Kuantum Terukur Energi Molekul

Jadi, selain dari pengikatan faktor transkripsi dan simulasi kuantum, adakah bukti konsep lain yang ada dan relevan dengan biologi?

Pembaruan: Saya telah menerima jawaban terbaik sejauh ini tetapi saya akan memeriksa untuk melihat apakah ada contoh lagi yang muncul. Inilah yang saya temukan, agak lama (2010), yang bertujuan menunjukkan identifikasi konformasi protein energi rendah dalam model protein kisi - juga publikasi D-Wave.

Saya tidak dapat menemukan referensi khusus dalam biologi kuantum. Namun saya menemukan sebuah tinjauan yang disebut pemodelan biomolekuler Quantum Assisted .

Anda mungkin menemukan itu menarik tetapi ini dari 2010. Lapangan telah berevolusi sejak tapi saya kira idenya tetap sama. Penulis lebih fokus pada gagasan kemampuan komputer kuantum untuk mencoba setiap jalur klasik secara bersamaan.

Saya tidak tahu banyak tentang bidang dan praktik umum. Namun jika biologi komputasi lebih terfokus pada Optimasi, maka penerapan algoritma pencarian kuantum atau pengaturan hybrid-kuantum klasik harus cocok (bahkan jika tidak praktis saat ini).

Sekarang tentang Machine Learning, ini agak tidak jelas dengan komputasi kuantum. Terlebih dengan nama Quantum Machine Learning. Berbagai pendekatan / tujuan diambil. Beberapa algoritma dirancang untuk mendapatkan speedup pada algoritma klasik (berdasarkan pada perangkat hipotetis bernama qRAM) seperti K-Means, SVM ... Atau gunakan QC untuk membantu proses pembelajaran dalam algoritma klasik seperti mesin boltzmann terbatas. Beberapa fokus melakukan ML dengan data kuantum seperti mengompresi data kuantum misalnya.

Kesimpulan: kita belum memiliki ide yang jelas tetapi ini membuatnya menarik. Dalam prosesnya, kita mungkin hanya membuat algoritma baru atau meningkatkan yang klasik saat ini.

Sunting : Baru-baru ini sebuah siaran pers mengumumkan kemitraan antara Rigetti Computing dan Entropica Labs untuk mengembangkan aplikasi dunia nyata komputasi kuantum untuk bioinformatika dan genomik.

Simulasi kuantum dapat digunakan untuk menguji model yang dapat menggambarkan proses biologis tertentu. Misalnya, makalah 2018 oleh Potočnik et al. memeriksa model pemanenan cahaya menggunakan sirkuit kuantum superkonduktor (lihat gambar di bawah).

Saat ini, ini merupakan pertanyaan terbuka apakah mekanika kuantum memainkan peran fungsional penting dalam proses biologis. Beberapa kandidat proses biologis di mana mekanika kuantum mungkin memiliki peran seperti itu termasuk daya magnet pada burung, penciuman, dan pemanenan cahaya.