用量子计算研究遗传疾病

弗吉尼亚大学的Stefan Bekiranov和他的同事开发了一种算法以便研究人员进行研究遗传疾病使用量子计算机——一旦有更强大的量子计算机来运行它。这套算法，一套复杂的操作指令，将有助于进步量子计算算法的发展，有一天可能会推进遗传研究领域。

量子计算机仍处于起步阶段。但当它们发挥自己的作用时，可能在10年内，它们可能提供传统计算机无法想象的计算能力。Bekiranov说:“我们开发并实现了一种遗传样本分类算法，它是量子计算机机器学习领域的基础，利用量子计算机的固有优势，以一种非常自然的方式进行学习。”“这当然是由美国国家心理健康研究所资助的第一项发表的量子计算机研究，也可能是第一项使用美国国家健康研究所资助的所谓通用量子计算机的研究。”

量子计算基础

传统的计算机程序是建立在1和0之间的非此即彼的选择。但量子计算机利用了量子物理学的一个奇怪的基本原理:某物可以同时存在，也可以不存在。从量子计算机的角度来看，答案不是1或0，而是两者同时存在。这使得计算机可以同时考虑更多的可能性。

轻描淡写地说，这项技术的技术要求很高，这是一个挑战。许多量子计算机必须保持在接近绝对零度的状态，相当于零下450华氏度以上。即便如此，量子计算元素周围分子的运动也可能会打乱计算，因此算法不仅要包含如何操作的指令，还要包含在出现错误时如何进行补偿的指令。“我们的目标是开发一个量子分类器，我们可以在实际的IBM量子计算机上实现。但该领域主要的量子机器学习论文都是高度理论化的，并且所需要的硬件并不存在。我们最终找到了Maria Schuld博士的论文，她是开发可实施的短期量子的先驱机器学习算法。我们的分类器是基于Schuld博士开发的分类器。“一旦我们开始在IBM系统上测试分类器，我们很快就发现了它目前的局限性，目前只能成功地实现一个过度简化的或‘玩具’问题。”

基因组数据分类

新算法本质上是对基因组数据进行分类。它可以比传统计算机以指数级的速度确定测试样本是来自疾病还是来自对照样本。例如，如果他们使用所有四个DNA构建块(A、G、C或T)进行分类，常规计算机将执行30亿次操作来对样本进行分类。新的量子算法只需要32个。

这将帮助科学家们整理基因研究所需的大量数据。但它也证明了这种技术在此类研究中的实用性。

Bekiranov和他的合作者Kunal Kathuria能够创造出这种算法，是因为他们在量子物理学方面受过训练，而这个领域甚至连科学家都觉得晦涩难懂。这种算法更有可能出现在物理或计算机科学系，而不是医学院。(Bekiranov和Kathuria都在医学院生物化学和分子遗传学部门进行了这项研究。卡图里亚目前在利伯大脑发展研究所工作。)

由于研究人员的特殊技能，美国国立卫生研究院(National Institutes of Health)的官员们支持他们承担这个具有挑战性的项目。Bekiranov和Kathuria希望他们开发的东西将对量子计算和最终人类健康产生巨大的益处。“可以解决玩具问题的相对小型量子计算机现在已经存在，”Bekiranov说。“开发强大的通用量子计算机的挑战是巨大的。在稳步推进的同时，还需要多项科学突破。但一次又一次，实验物理学家和理论物理学家一起努力，迎接这些挑战。如果他们开发出强大的通用量子计算机，我相信它将彻底改变计算，并被视为人类最伟大的科学和工程成就之一。”