カリフォルニア工科大学（Caltech）の研究者たちは、DNAを基盤としたニューラルネットワークを開発し、分子コンピューティングの分野で画期的な進歩を遂げました。このシステムは、化学反応を通じて計算を実行するためにDNA鎖を利用しており、生物学的システムで見られる学習プロセスを模倣しています。
この研究は、Lulu Qian教授（生体工学）が率いるもので、化学システムにおけるより複雑な学習行動の実証に向けた重要な一歩となります。2025年9月3日に学術誌「Nature」に掲載された論文「Supervised learning in DNA neural networks」で発表されました。このDNAベースのニューラルネットワークは、従来の人工ニューラルネットワークにとっても困難なタスクである手書き数字の認識を行うように訓練されました。システムは各数字をDNA鎖のユニークなパターンとしてエンコードし、特定の化学反応を経て、認識された数字に対応する蛍光信号を生成します。このアプローチは、DNAコンピューティングが複雑なパターン認識タスクを実行する可能性を示しています。
このDNAベースのニューラルネットワークが例から学習する能力は、適応性がありエネルギー効率の高い分子コンピューティングシステムの開発に新たな可能性を開きます。このようなシステムは、医学分野では病原体への脅威にリアルタイムで適応する「スマート」医薬品の作成に、材料科学分野では学習し外部条件に適応する「スマート」材料の開発に利用できる可能性があります。
この成果は、DNAコンピューティング分野における関心と可能性の高まりを浮き彫りにしています。研究が進むにつれて、これらのシステムはより洗練され、様々な科学技術分野で革新的な応用につながることが期待されています。例えば、2018年には、Qian教授の研究チームは既に手書き数字を認識できるDNAベースのニューラルネットワークを開発しており、複雑なタスクにおけるDNAコンピューティングの可能性をさらに実証しています。この分野は、2011年にはDNAストランド置換カスケードを用いたニューラルネットワーク計算がNature誌に掲載されるなど、着実に進歩を続けています。分子コンピューティングは、従来のシリコンベースのシステムに代わるものとして、ナノテクノロジーや生化学の原理に基づいています。DNAは、その驚異的な密度と膨大な量の情報をエンコードする能力により、この分野で中心的な役割を果たしています。DNAコンピューティングは、大規模な並列処理能力により、AIのトレーニングや推論の基盤となる大規模データセットの処理に理想的です。また、分子システムは室温で最小限のエネルギー要件で動作するため、AI運用のカーボンフットプリントを大幅に削減します。さらに、分子システムは生体環境とシームレスに相互作用する能力を備えているため、医療分野での応用が期待されています。