25/12/2024
Tháng 3/2023, Trung tâm Điện toán Lượng tử Riken ở Nhật đã thông báo về máy tính lượng tử mà nhiều người có thể tiếp cận được qua mạng internet, tạo điều kiện cho nghiên cứu, phát triển và doanh nghiệp sử dụng tài nguyên lượng tử mà không cần đầu tư đáng kể vào phần cứng. Được phát triển với sự hợp tác của Fujitsu và các công ty khác, đây là máy tính lượng tử đầu tiên được sản xuất tại Nhật. Tháng 10/2023, tổ máy thứ hai, dựa trên tổ máy đầu tiên, đã đi vào hoạt động. [1]
Nhiều nước Á châu khác như Hàn Quốc, Singapore, Ấn và Trung Quốc đang đầu tư mạnh vào nghiên cứu, cơ sở hạ tầng và phát triển nhân tài để nâng cao năng lực điện toán lượng tử và cạnh tranh trên trường toàn cầu. Có vẻ như ngay bây giờ, IBM Quantum đang dẫn đầu thế giới về phần cứng và phần mềm điện toán lượng tử, tuy rằng ứng dụng lượng tử phát triển ở mức độ chóng mặt. [2]
Ở châu Á, Trung Quốc đi trước về mặt nghiên cứu lượng tử và các trường hợp ứng dụng. Các nhà khoa học ở Trung Quốc tuyên bố họ đã đạt được một cột mốc quan trọng trong điện toán lượng tử, với máy tính lượng tử Jiuzhang (Cửu Chương) có thể thực hiện các nhiệm vụ thường được sử dụng trong trí tuệ nhân tạo nhanh hơn 180 triệu lần so với siêu máy tính mạnh nhất thế giới. Jiuzhang là máy tính lượng tử đầu tiên của Trung Quốc trên nguyên tắc điều khiển ánh sáng dưới dạng photon. [2]
Trong nhiều thập kỷ, các nhà nghiên cứu đã tận dụng các phương pháp tính toán để dự đoán cấu trúc của protein. Cấu trúc mà một protein tự gấp lại xác định cách nó hoạt động và liên kết với các phân tử khác trong cơ thể. Những cấu trúc này lại xác định nhiều khía cạnh của sức khỏe và bệnh tật của con người.
Bằng cách dự đoán chính xác cấu trúc của protein, các nhà nghiên cứu có thể hiểu tốt hơn về bệnh và từ đó làm thế nào để phát triển hiệu quả liệu pháp. Một nhóm nghiên cứu hợp tác giữa bệnh viện Cleveland và IBM ở Mỹ gần đây khám phá rằng điện toán lượng tử có thể cải thiện các phương pháp dự đoán cấu trúc của protein bằng công nghệ cho máy tính tự học. [3]
Trong những năm gần đây, kỹ thuật cho máy tính tự học đã có những tiến bộ đáng kể trong dự đoán cấu trúc protein. Các phương pháp này phụ thuộc vào dữ liệu huấn luyện (cơ sở dữ liệu về protein được xác định bằng cấu trúc thực nghiệm) để đưa ra dự đoán. Điều này có nghĩa là các mô hình máy tính tự học bị hạn chế bởi dữ liệu huấn luyện vì các mô hình nầy đa phần làm việc tốt với những cấu trúc protein chúng đã thấy trong dữ liệu huấn luyện. Các mô hình nầy có mức độ chính xác thấp hơn khi chúng gặp phải protein bị đột biến hoặc rất khác so với protein trong dữ liệu huấn luyện, điều này thường xảy ra với các bệnh rối loạn di truyền.
Để giải quyết giới hạn của các mô hình dựa vào dữ liệu huấn luyện, phương pháp thay thế mô phỏng tính chất vật lý của quá trình gấp protein. Mô phỏng cho phép các nhà nghiên cứu xem xét các đặc tính khác nhau của một loại protein hình dạng nhất định và tìm ra hình dạng ổn định nhất. Hình dạng ổn định nhất là quan trọng cho việc thiết kế thuốc và phương cách trị liệu.
Thách thức là những mô phỏng này gần như không thể thực hiện được trên một máy tính hiện nay khi protein trở nên phức tạp vượt quá một kích thước nhất định. Ngay cả với một loại protein nhỏ, phương pháp máy tính thường sẽ cần thời gian bằng tuổi của vũ trụ để mô phỏng và tìm kiếm các kết quả có thể xảy ra với tất cả các cấu trúc tự gấp lại của protein ấy.
Để giúp khắc phục những hạn chế này, các nhóm nghiên cứu đã áp dụng kết hợp phương pháp tính toán lượng tử và cổ điển. Khuôn khổ này có thể cho phép các thuật toán lượng tử để giải quyết các lĩnh vực đang thách thức điện toán cổ điển, bao gồm kích thước protein, rối loạn nội tại, đột biến và vật lý liên quan đến việc gấp protein. Giá trị của khuôn khổ đã được thử nghiệm bằng cách dự đoán chính xác việc gấp một mảnh nhỏ một protein virus zika trên máy tính lượng tử, được so sánh với kết quả tốt nhất từ các phương pháp điện toán cổ điển.
Kết quả ban đầu của khung kết hợp tính toán lượng tử và cổ điển vượt trội hơn cả phương pháp dựa trên vật lý cổ điển và AlphaFold2. AlphaFold2 là hệ thống trí tuệ nhân tạo do Google DeepMind phát triển nhằm dự đoán cấu trúc protein ba chiều (3D) từ các chuỗi axit amin với độ chính xác chưa từng có.
Mặc dù AlphaFold2 được thiết kế để hoạt động tốt nhất với các protein lớn hơn, tuy nhiên việc dùng AlphaFold2 trong so sánh với khung kết hợp cho thấy khả năng của khung kết hợp trong phỏng đoán cấu trúc ổn định của một protein nhỏ, mà không cần dựa nhiều vào dữ liệu huấn luyện.
Các nhà nghiên cứu đã sử dụng thuật toán lượng tử để lập mô hình đầu tiên ở mức cấu hình năng lượng cho thấp nhất cho mảnh xương sống trong cấu trúc của protein. Đây thường là bước đòi hỏi tính toán nhiều nhất mà phương pháp tính toán cổ điển gặp nhiều khó khăn. Các phương pháp tiếp cận sau đó được sử dụng để chuyển đổi các kết quả thu được từ máy tính lượng tử, tái tạo lại protein bằng các chuỗi bên mảnh xương sống và thực hiện sàng lọc cuối cùng của cấu trúc với cơ học phân tử cổ điển.
Dự án hợp tác giữa bệnh viện Cleveland và IBM cho thấy một trong những cách giải quyết vấn đề bằng cách bẻ vấn đề thành các phần, với các phương pháp tính toán lượng tử giải quyết một số phần và tính toán cổ điển giải quyết các phần khác, và như thế gia tăng độ chính xác trong tổng thể.
Một trong những điều độc đáo nhất về dự án này là số lượng chuyên môn của các thành viên trong nhóm, bao gồm sinh học tính toán và hóa học, sinh học cấu trúc, phần mềm và kỹ thuật tự động hóa, đến vật lý nguyên tử và hạt nhân thực nghiệm, toán học, và tất nhiên, tính toán lượng tử và thiết kế thuật toán. Các thành viên của dự án lấy kiến thức từ mỗi lĩnh vực này để tạo ra một hệ thống tính toán khuôn khổ có thể để bắt chước một trong những quy trình quan trọng nhất về cuộc sống con người – làm sao protein tự gấp lại để ở vào trạng thái ổn định.
Sự kết hợp giữa các phương pháp tính toán cổ điển và lượng tử của nhóm nghiên cứu là một bước thiết yếu để nâng cao hiểu biết về cấu trúc protein, và cách chúng tác động đến khả năng điều trị và ngăn ngừa bệnh tật. Nhóm nầy có kế hoạch tiếp tục phát triển và tối ưu hóa các thuật toán lượng tử có thể dự đoán cấu trúc của các protein lớn hơn và phức tạp hơn.
"Công việc này là một bước tiến quan trọng trong việc khám phá nơi khả năng tính toán lượng tử có thể dự đoán cấu trúc protein" người trưởng nhóm nghiên cứu nói. "Mục tiêu của chúng tôi là thiết kế các thuật toán lượng tử có thể tìm ra cách dự đoán cấu trúc protein một cách thực tế, điều mà cho đến nay không có vẻ có thể làm đươc."
Nguồn:
1. Japan Forward. First Domestic Quantum Computer Starts Operating on March 27/2023, Opening a New Path for Japan. 28/03/2023; Available from: https://japan-forward.com/first-domestic-quantum-computer-starts-operating-on-march-27-opening-a-new-path-for-japan/.
2. TechWire Asia. Should the US be concerned about Asia’s quantum technology development? 2023; Available from: https://techwireasia.com/2023/08/should-the-us-be-concerned-about-asias-quantum-technology-development/.
3. Phys.org. Researchers apply quantum computing methods to protein structure prediction. 29/05/2024; Available from: https://phys.org/news/2024-05-quantum-methods-protein.html#google_vignette.
Không có nhận xét nào