TL;DR
- خلاصه وبلاگ:.
- یک تیم تحقیقاتی مشترک کلیولند کلینیک و آیبیام ساختار الکترونیکی قفس Trp miniprotein 303 اتمیرا شبیهسازی کردند.
- با افزایش اندازه سیستم،.
چه اتفاقی افتاد
خلاصه وبلاگ:. یک تیم تحقیقاتی مشترک کلیولند کلینیک و آیبیام ساختار الکترونیکی قفس Trp miniprotein 303 اتمیرا شبیهسازی کردند.
با افزایش اندازه سیستم،. محاسبات دقیق ساختار الکترونیکی در رایانههای کلاسیک بهطور فزایندهای چالش برانگیز میشود.
یک رویکرد کوانتومیقابل اجرا میتواند طیف وسیعی از کاربردهای صنعتی را باز کند. این روش شامل شکستن مولکول به خوشهها و استفاده از محاسبات کوانتومیبرای شبیهسازی پیچیدهترین خوشهها است.
در اصل، گردش کار ترکیبی میتواند بسیار فراتر از Trp-cage باشد. در حال حاضر،.
محققان در حال بررسی این هستند که مرحله بعدی چگونه به نظر میرسد و مولکولهای بزرگتر. را بهعنوان اهداف خود در نظر میگیرند.
برای اولین بار،. محققان از محاسبات کوانتومیبرای شبیهسازی ساختار الکترونیکی یک پروتئین استفاده کردهاند که به لطف تحقیقات جدید ابررایانههای.
کوانتومیمحور (QCSC) امکانپذیر شد. یک تیم تحقیقاتی مشترک کلیولند کلینیک و آیبیام، قفس Trp miniprotein 303 اتمیرا مدلسازی کردند.
با استفاده از گردش کار ابر محاسباتی کوانتوم محور و IBM Quantum Heron r2. این کار نتیجه پیشرفت طراحی و به کارگیری الگوریتمها و گردشهای کاری QCSC است که محاسبات کلاسیک کوانتومی.
و با کارایی بالا را با اثری قدرتمند ترکیب میکند. روشهای کلاسیک به تنهایی میتوانند جنبههای خاصی از رفتار پروتئین را بهطور مؤثر مدلسازی کنند،.
اما درمانهای مکانیکی کوانتومیبا دقت بالا کل پروتئینها غیرعملی باقی میمانند. اگر رایانههای کوانتومیدر نهایت مدلسازی دقیق مولکولهای بزرگ و مرتبط با بیولوژیکی را امکانپذیر کنند،.
این امر بهطور قابلتوجهی بر مواد شیمیایی،. علم مواد و تحقیقات پزشکی تأثیر خواهد گذاشت.
این اثر نشان دهنده گامیدر این مسیر است. دکتر کنت مرز،.
دکترا،. که آزمایشگاه مرز را در کلینیک کلیولند رهبری میکند،.
گفت:. «من به نوعی به خودم فشار میآورم که توانستیم این کار را انجام دهیم.
چرا مدلسازی مولکولهای بزرگ Trp-cage هیجانانگیز است، برای محک زدن روشهای شیمیمحاسباتی مفید است. برای یک پروتئین نسبتا فشرده است،.
اما دارای ویژگیهایی است که در مولکولهای بسیار بزرگتر در بیوشیمیمشترک است،. مانند یک هسته آب گریز یا "آب گریز" و پیوند هیدروژنی بین اجزای تشکیل دهنده آن،.
که به آن اجازه میدهد ساختارهای پیچیدهتری به خود بگیرد. محققان هر دو حالت باز و تا شده (یعنی کشیده و منقبض) آن را مدلسازی کردند.
ماریو موتا،. یکی از نویسندگان مقاله،.
گفت:. اثبات اینکه این رویکرد برای Trp-cage کار میکند،.
گامیبه سوی مولکولهای بزرگتر است. تیم از آنچه قبلاً به دست آورده بود شگفت زده شد.
موتا گفت: «در ابتدا برنامه شبیهسازی تنها چند اسید آمینه بود. اما همانطور که گردش کار خود را آزمایش کردند،.
متوجه شدند که میتوانند تا Trp-cage ارتقا پیدا کنند و نتایج معنیداری دریافت کنند. مرز گفت،.
همانطور که این روشها بالغ و مقیاس میشوند،. او امیدوار است که بتوانند از گردش کار محاسباتی برای تحقیقات دارویی و زمینههای مرتبط پشتیبانی کنند.
او دنیایی را متصور است که در آن دانشمندان از گردشهای کاری QCSC برای ساخت پایگاههای داده رفتار. مولکولی شبیهسازی شده استفاده میکنند.
سپس،. زمانی که دانشمندان برای هدفی خاص به یک مولکول جدید نیاز دارند،.
میتوانند از الگوریتمهای یادگیری ماشینی آموزشدیده در آن پایگاههای داده استفاده کنند و از مولکولهایی بخواهند که ممکن. است به روشهای مورد نیاز آنها رفتار کنند.
از آنجا،. آنها میتوانند آن مولکولها را برای آزمایش سنتز کنند در زندگی واقعی یک گردش کار جدید.
برای شبیهسازی مولکولهای بزرگ گردش کار،. که در یک پیشچاپ اخیر در arXiv توضیح داده شده است،.
بر تکنیکی به نام جاسازی مبتنی بر تابع موج (EWF) تکیه دارد تا Trp-cage را به قطعات محاسباتی. به نام «خوشهها» تقسیم کند.
در EWF،. به تعداد اتمهای مولکول،.
خوشهها وجود دارد،. اما هر خوشه پیچیدهتر از یک اتم است:.
یک ناحیه محلی اطراف اتم و درهمتنیده با آن را در بر میگیرد. در هر پروتئین معین، برخی از قطعات یا خوشهها بسیار پیچیدهتر از بقیه هستند.
ممکن است یک اتم تماماً در لبه پروتئین،. در انتهای پیوند کووالانسی باشد و فقط با یک یا دو اتم همسایه در هم پیچیده باشد.
در این موارد،. محققان میتوانند ساختار الکترونیکی آن خوشه را با استفاده از روشهای محاسباتی کلاسیک بهطور کارآمد پیدا کنند.
دیگری ممکن است به هسته مولکولی نزدیکتر باشد که در یک شبکه پیچیدهتر از آن درگیر شده است. فعل و انفعالات بین مولکولی این خوشههای بزرگتر مشکلات خوبی برای رایانههای کوانتومیبرای حل هستند.
نتایج محاسبات خوشهای جداگانه به یک راهحل کامل برای ساختار الکترونیکی مولکول منجر میشود،. که توضیح میدهد الکترونهای آن کجا هستند و چگونه برهمکنش میکنند – اطلاعات مهمیکه نحوه رفتار مولکول.
را تعیین میکند. این رویکرد،.
اشتراک بار رایانههای کوانتومیبا رایانههای کلاسیک در جریانهای کاری ترکیبی،. نگاه اولیهای به ابر محاسبات کوانتوم محور در عمل است.
نسل جدیدی از الگوریتمهای کوانتوم محور برای HPC Merz توسعه محاسبات کوانتومیرا در طی چندین سال مشاهده. کردهاند.
تا چند سال پیش،. واضح بود که رایانههای کوانتومیمیتوانند رویکردهای جدیدی برای حل مسائل شیمیسخت ارائه دهند،.
اما اینکه این رویکردها چگونه به نظر میرسند،. همچنان یک سوال باز باقی مانده است.
مرز گفت چیزی شبیه اورکا وجود دارد لحظهای که او گروهی از دانشمندان IBM را دید که. الگوریتمیبه نام قطری کوانتومیمبتنی بر نمونه (SQD) ارائه کردند.
SQD متعلق به مجموعهای از الگوریتمهای نوظهور است که برای ابر محاسبات کوانتوم محور ساخته شدهاند،. جایی که منابع کلاسیک و کوانتومیبا استفاده از نقاط قوت هر دو پارادایم برای حل مسائل با.
هم کار میکنند. این به یکی از چالشهای اساسی محاسبات ساختار الکترونیکی میپردازد:.
تعداد پیکربندیهای ممکن الکترونهای یک مولکول بهطور ترکیبی با اندازه مولکول رشد میکند. در SQD،.
کامپیوتر کوانتومیاز این فضای وسیع نمونه برداری میکند و پیکربندیهای کلیدی را برای کامپیوتر کلاسیک. شناسایی میکند تا روی آن تمرکز کند.
کامپیوتر کلاسیک از اطلاعات به دست آمده برای یافتن راهحل استفاده میکند. مرز پس از یادگیری در مورد SQD گفت: "ما به نوعی همه چیز را کنار گذاشتیم.
من در آخر هفته با چند نفر در گروهم ملاقات کردم و تصمیم گرفتیم فقط به SQD برویم. " آنها شروع کردند به قرار دادن الگوریتم در سرعتهای آن،.
آزمایش آن بر روی رشتهای از مولکولهای کوچکتر،. و شروع زنجیرهای از آزمایشها که منجر به شبیهسازی قفس Trp شد.
نتایج تا کنون بسیار امیدوارکننده بوده است:. در حال حاضر در این مقاله،.
گردش کار به صورت رقابتی با رویکردهای کلاسیک انجام میشود و به دقت مورد نیاز محاسباتی در میان. آنها نزدیک میشود.
در اصل، دانشمندان گفتند، گردش کار ترکیبی EWF-SQD میتواند بسیار فراتر از Trp-cage باشد. با بزرگتر شدن مولکولها، کار شکستن آنها، محاسبه پیچیدهترین خوشههایشان و دوختن دوباره آنها به هم پیچیدهتر میشود.
اما حل ساختار الکترونیکی خوشههای پیچیده یک مشکل قانع کننده برای کامپیوترهای کوانتومیاست. با پیشرفت QCSC، مهم است که محققان کوانتومیو HPC با هم کار کنند.
این کار با دسترسی به منابع HPC در دانشگاه ایالتی میشیگان و کلینیک کلیولند امکان پذیر شد. دیگر همکاریهای اخیر بین رهبران IBM و HPC مانند RIKEN نیز نتایج هیجان انگیزی را به همراه.
داشته است. معماری مرجع جدید منتشر شده ما را برای ابررایانههای کوانتومیکاوش کنید و بیاموزید که چگونه شما.
میتواند از این پیشرفتها در شبیهسازی مولکولی بهره مند شود.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.