Исследователи из Калифорнийского технологического института (Caltech) совершили прорыв в области молекулярных вычислений, разработав нейронную сеть на основе ДНК, которая демонстрирует способность к обучению на основе примеров. Эта инновационная система использует нити ДНК для выполнения вычислений посредством химических реакций, имитируя процессы обучения, присущие биологическим системам. Работа, возглавляемая профессором биоинженерии Лулу Цянь, открывает новые горизонты для создания адаптивных и энергоэффективных вычислительных систем на молекулярном уровне.
Разработанная ДНК-нейросеть была успешно обучена распознавать рукописные цифры — задача, традиционно представляющая сложность даже для искусственных нейронных сетей. Каждый символ кодируется уникальным набором ДНК-нитей, которые вступают в специфические химические реакции, приводящие к флуоресцентному сигналу, соответствующему распознанному числу. Этот метод демонстрирует потенциал ДНК-вычислений в решении сложных задач распознавания образов.
Эта разработка является продолжением предыдущих исследований команды профессора Цянь, которые в 2018 году представили ДНК-нейронную сеть, способную распознавать рукописные цифры. Предыдущая система использовала 20 уникальных ДНК-нитей для представления каждого пикселя в шаблоне 10x10. Новая система развивает эту концепцию, позволяя сети самостоятельно формировать «воспоминания» в виде химических сигналов, которые действуют как молекулярные связи.
Способность ДНК-нейронной сети обучаться на примерах открывает путь к созданию «умных» лекарств, которые могут адаптироваться к патогенным угрозам в реальном времени, а также к разработке «умных» материалов, способных обучаться и приспосабливаться к внешним условиям. Исторически, область ДНК-вычислений начала свое развитие в 1994 году с работы Леонарда Адлемана, который продемонстрировал решение комбинаторных задач с помощью ДНК. Современные исследования, такие как работа команды Цянь, продолжают развивать эту область, демонстрируя все более сложные возможности молекулярных вычислений.
Прогресс в области ДНК-нейронных сетей подчеркивает растущий интерес к молекулярным вычислениям. Ожидается, что по мере развития исследований эти системы станут еще более совершенными, что приведет к появлению инновационных приложений в различных научных и технологических областях. Например, исследования в области вычислительной химии показывают, как моделирование химических процессов может революционизировать молекулярное моделирование, что перекликается с потенциалом ДНК-вычислений.