Учёные заставили бактерии размножаться ради решения сложных задач

Неподъёмные для классических компьютеров задачи оказались по плечу организованным колониям бактерий. Естественное размножение бактерий сродни процессу распараллеливания вычислений: при решении задач шифрования, обучении ИИ, а также в других математически сложных случаях бактерии оказываются эффективнее процессоров с заоблачными частотами.

Источник изображения: ИИ-генерация ChatGPT/3DNews

Работу провела международная группа учёных под руководством исследователей из канадского Университета Макгилла (McGill University). Они создали экспериментальный биокомпьютер, в котором вычисления выполняются подвижными бактериями, самостоятельно исследующими сеть микроскопических каналов. Эта сеть представляет собой огромное множество вариантов решения задачи, но лишь единицы или даже один из них дают правильный ответ.

В отличие от традиционных процессоров, последовательно обрабатывающих варианты решения, предложенная система использует параллельное перемещение множества биологических агентов — бактерий. Ключевое преимущество такой платформы заключается в способности бактерий размножаться непосредственно во время вычислений, увеличивая количество одновременно работающих «вычислительных элементов».

Источник изображения: Nature 2026

«Современные электронные компьютеры выполняют миллионы операций в секунду с помощью одного чипа, — поясняет Дэн Николау (Dan Nicolau), старший автор исследования и профессор биоинженерии. — При делении бактерий у нас одновременно работает миллион чипов. Чем больше чипов, тем быстрее можно решить задачу, даже если количество операций в секунду на каждом “процессоре” меньше». «Экспоненциальное деление бактерий может решить любую проблему. Это совершенно новый способ вычислений», — добавил он.

В качестве вычислительной задачи учёные выбрали NP-полную проблему Subset Sum (задачу, для решения которой может потребоваться чрезвычайно много ресурсов): необходимо было определить, какие комбинации чисел из заданного набора дают определённую сумму. Для её решения изготовили микрожидкостную сеть из полидиметилсилоксана (PDMS), состоящую из множества соединённых каналов и специальных узлов.

Граф алгоритма из микроканалов

Каждый возможный маршрут соответствовал определённой комбинации чисел, а разветвления и соединения каналов играли роль логических элементов, где буквально сама жизнь заставляла бактерии «подумать» и выбрать для дальнейшего развития колонии тот или иной путь.

Бактерии Escherichia coli HCB437 и Vibrio natriegens самостоятельно перемещались по сети, выбирая различные маршруты. Геометрию микроканалов и узлов проектировали так, чтобы управлять направлением движения бактерий и минимизировать ошибки. Для изготовления структур использовали электронно-лучевую литографию и травление кремниевой подложки, после чего полученную форму воспроизвели в пластике.

Поскольку основная ставка делалась на скорость размножения бактерий, выбор V. natriegens себя полностью оправдал: по мере продвижения по каналам бактерии быстро образовывали новые клетки, которые продолжали исследовать доступные маршруты. Таким образом, количество вычислительных агентов увеличивалось непосредственно в системе без необходимости предварительно загружать их в неё.

Эксперименты показали, что в узлах разветвления E. coli выбирала левое и правое направления с вероятностью 50,1 % и 49,8 % соответственно, тогда как у V. natriegens наблюдалось смещение в сторону левого направления — 61,1 % против 38,3 %. Вероятность ошибочного прохождения прямых узлов составляла 1,3 % для E. coli и 0,3 % для V. natriegens.

Наблюдая за перемещением бактерий и используя автоматизированный анализ изображений для отслеживания успешных маршрутов в сети, исследователи смогли определить комбинации, удовлетворяющие условиям задачи.

Схематическое и реальное представление логических узлов на графе

По словам исследователей, биокомпьютер не призван заменить классические электронные или квантовые компьютеры, а скорее должен стать ресурсосберегающим и экономичным инструментом для нахождения ответов на задачи, которые ранее считались неразрешимыми.

«Наш метод предназначен для решения задач, которые не под силу электронным компьютерам, например для картирования структуры белков, — сказал Николау. — Сообщалось, что ИИ справился с этой задачей, но это верно лишь отчасти, поскольку он может только обрабатывать доступные данные. Мы предлагаем использовать эту технологию для решения проблем, а не для оценки на основе прошлой информации».

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.