ایجاد ابررایانه های بیولوژیکی با نوعی پروتئین در آینده مورد توجه قرار خواهد گرفت.
به گفته ی محققان، مولکول هایی که به انقباض ماهیچه ها کمک می کنند می توانند روزی به درایو نوع جدیدی از ابررایانه ها کمک کنند.
آدنوزین تری فسفات (ATP) ماده ای است که انرژی تمام سلول های بدن ما را فراهم می کند. به گفته ی دانشمندان احتمالا از این ماده می توان در تامین توان نسل بعدی ابررایانه ها استفاده کرد. این اکتشاف می تواند درهای جدیدی را برای ایجاد ابررایانه های بیولوژیکی باز کند به طوری که اندازه ی آنها به اندازه ی یک کتاب کاهش یابد. این موضوع توسط تیمی از دانشگاه مک گیل به رهبری پروفسور نیکولا مورد تحقیق و تمرکز قرار گرفت. این تیم توانستند مقاله ای را در این باره و در مجموعه مقالات آکادمی ملی علوم (PNAS) منتشر کنند. در این مقاله، یک مدل کامپیوتر بیولوژیکی توصیف شده که می تواند اطلاعات را با دقت و سرعت بسیار بالا و با استفاده از شبکه های موازی؛ به همان روشی که ابررایانه های عظیم و الکترونیکی انجام می هند، پردازش کند. تفاوت این مدل بیولوژیکی با مدل های قبلی در این است که اندازه ی آنها خیلی کوچکتر از ابررایانه های فعلی است و به دلیل استفاده از پروتئین موجود در تمام سلول های زنده، انرژی بسیار کمتری نیاز دارد.
دانشمندان افزودند: این کامپیوترهای بیولوژیکی می توانند مسائل پیچیده ای را که توسط ابررایانه های معمولی مدت زمان بیشتری طول می کشد تا حل شوند و یا بیشتر کرک می شوند را به سرعت حل کنند.
ابررایانه های مدرن به طور خارق العاده ای قدرتمند هستند. Tianhe-2 در چین، سریعترین ابررایانه ی جهان، می توانند محاسباتی حدود ۵۵ کوادریلیون در ثانیه را انجام دهند که هزاران برابر یک کامپیوتر رومیزی یا کنسول بازی ویدئویی است.
با این وجود ابررایانه های معمولی به طور کلی عملیات را به ترتیب و یکی یکی انجام می دهند. در مقابل، مغزها می توانند به طور همزمان و یا به صورت موازی عملیات بیشتری را انجام دهند. مغز انسان، این فرایندهای سلولی را با تبدیل شیمیایی مولکول آدنوزین تری فسفات و یا ATP به اشکال مولکولی دیگر، فرایندی با انرژی کارامد که حرارت خیلی کمتری را نسبت به تراشه های سیلیکونی تولید می کنند، انجام دهد.
این عوامل احتمالا تا حدودی بیانگر این هستند که چرا مغز می تواند مسائل خاص را بسیار سریعتر از یک ابررایانه ی معمولی در عین مصرف کمتر انرژی حل کند. به طور مثال، مغز انسان تنها حدود ۲۰ وات توان مصرف می کند که این مقدار توان برای روشن کردن یک لامپ کم نور هم کفایت می کند، در حالی که Tianhe-2 حدود ۱۷.۸ مگاوات توان مصرف می کند که این مقدار معادل روشن کردن ۹۰۰۰۰۰ از همین لامپ های مذکور است.
کامپیوتر بیولوژیکی
هم اکنون محققان پیشنهاد کرده اند که ATP می تواند به توان یک کامپیوتر جدید کمک کند تا محاسبات را به صورت موازی و تا حدودی شبیه به مغز انسان انجام دهد.
یک مهندس شیمی و نویسنده ی ارشد این تحقیق به نام Dan Nicolau Sr از دانشگاه مک گیل در مونترال می گوید: “مسائلی وجود دارند که کامپیوترهای الکترونیکی به خوبی از پس آنها برمی آیند. ما به تازگی به این نتیجه رسیده ایم که حل مسائل با کامپیوترهای الکترونیکی به خوبی صورت نمی گیرد.”
نیکولا بیش از یک دهه است که به همراه پسرش –در دانشگاه کالیفرنیا، برکلی- به کار بر روی این ایده مشغول شده است.
تحریک عجیب و غریب در نهایت به یک تراشه ی مربعی با عرض حدود ۰.۶ اینچی (۱.۵ سانتی متری) که در آن کانال های میکروسکوپی، هرکدام با عرض کمتر از ۲۵۰ نانومتری (که نازک تر از طول موج نور قابل مشاهده است) کار گذاشته اند، تبدیل می شود. این تراشه با شبکه ای از کانال های فوق العاده ریز به نظر کمی شبیه به یک نسخه ی مینیاتوری از شبکه ی جاده شهری است. در حقیقت به جای اینکه مانند تراشه های سنتی، الکترون ها توسط شارژ بار الکتریکی تحریک شوند، از رشته های کوتاهی از پروتئین (که توسط محققان عوامل بیولوژیکی نامگذاری می شوند)، به اطراف مدار حرکت می کنند.
این محققان الیاف پروتئینی شناور را که بیشتر شبیه به اتومبیل های در حال رانندگی بر روی جاده ی شهری هستند، به داخل این کانال ها ارسال می کنند. این “عوامل” شامل رشته های اکتین و میکروتوبول ها؛ پروتئین هایی که ساختار داخلی سلول ها را تشکیل می دهند، هستند. این عوامل با محرک های مولکولی مانند میوزین که به منقبض شدن ماهیچه ها کمک می کند، و کینسین که به حرکت کردن مواد داخل این سلول ها کمک می کند، تحریک شدند. این محققان از ATP برای تامین توان این محرک های مولکولی استفاده کردند و برچسب های فلورسنت را روی این عوامل برای دنبال کردن آنها اضافه کردند.
این عوامل وارد گوشه ای از این دستگاه می شوند و می توانند از طریق بسیاری از خروجی های موجود آن را ترک کنند. آنها می توانند به صورت رندوم به انواع کانال ها در چندین اتصال درون این تراشه مجددا هدایت شوند. این طرح از این کانال های این دستگاه به یک مسئله ای که دانشمندان می خواهند آن را حل کنند، مربوط می شود و خروج این عوامل پاسخ های بالقوه ی نمایشی را انتخاب می کند.
مسائل سرسخت
این دانشمندان دستگاه جدید خود را روی یک دسته از مسائل شناخته شده ای مانند مسائل NP تست کردند. در این نوع از معما، یکی ممکن است قادر به تایید سریع اینکه آیا هیچ راه حلی وجود دارد یا خیر باشد، اما یکی دیگر نتواند به سرعت بهترین راه حل این مشکل را بیابد.
یکی از نمونه های کلاسیک از یک پازل NP، “معمای فروشنده دوره گرد” است که راجع به کسی است که لیستی از شهرها را دارد و باید کوتاهترین مسیر ممکن از یک شهر به هر شهر دیگر را دقیقا یکبار و با بازگشت به محل شروع بیابد.
به گفته ی نیکولا با توجه به تحقیقات قبلی، با حل یک مساله NP، می توان همه ی آنها را حل کرد. بدیهی است اگر کار ما بتواند مساله ی فروشنده ی دوره گرد را آدرس کند، مسلما می تواند کاربردهای بسیار عملی داشته باشد.
محققان می گویند یکی از محدودیت های بالقوه ی این روش این است که چگونه بتوانند این عوامل مذکور را هرکدام به گوشه ای از تراشه سوق دهند.
به گفته ی محققان هنوز هم بسیاری از زوایای این کار مورد نقد و بررسی قرار گرفته تا در نهایت بتوانند مدل کامل آن را در مقیاس کامپیوترهای کاربردی ایجاد کنند.
.
با عضویت در کانال رسمی تکرا در تلگرام از آخرین اخبار روز تکنولوژی مطلع باشید.
.
منبع: livescience
