นักวิทย์ฯ โหลดจีโนมสมบูรณ์ชุดแรก เข้าควอนตัมคอมพิวเตอร์ได้แล้ว! ตั้งเป้าวิเคราะห์พันธุกรรมมนุษย์เร็วกว่าเครื่องมือเดิม 100 เท่า

วงการชีววิทยาเชิงคำนวณกำลังชนกำแพงสำคัญ ข้อมูลจีโนมที่ไหลออกมาจากห้องแล็บทั่วโลกเพิ่มขึ้นเร็วจนคอมพิวเตอร์แบบดั้งเดิมตามไม่ทัน โดยเฉพาะเมื่อต้องวิเคราะห์ความหลากหลายทางพันธุกรรมระดับประชากร ทำให้เกิดคอขวดในการประมวลผลที่ชะลอการค้นพบทางการแพทย์และการวิจัยด้านวิวัฒนาการ

ล่าสุดเนื่องในวัน World Quantum Day ทีมวิจัยจาก Wellcome Sanger Institute ร่วมกับมหาวิทยาลัย Oxford, Cambridge และ Melbourne ประกาศความสำเร็จในการโหลดจีโนมสมบูรณ์ของไวรัสตับอักเสบดี (Hepatitis D) เข้าสู่ควอนตัมคอมพิวเตอร์ได้เป็นครั้งแรกของโลก ถือเป็นก้าวสำคัญสู่การใช้คอมพิวเตอร์ควอนตัมแก้โจทย์ทางชีววิทยาที่คอมพิวเตอร์ทั่วไปทำได้ยาก โดยตั้งเป้าว่าในอนาคตจะประมวลผลพันจีโนม (Pangenome) ของมนุษย์ได้เร็วกว่าเครื่องมือเดิมถึง 100 เท่า

เลือก Hepatitis D เป็นเป้าหมายพิสูจน์แนวคิด

ไวรัสตับอักเสบดีถูกเลือกมาเป็นเป้าหมายของการทดลอง เพราะมีจีโนมขนาดกะทัดรัดประมาณ 1,700 คู่เบส (Base Pairs) ซึ่งเหมาะกับการเป็นโจทย์พิสูจน์แนวคิด (Proof-of-Concept) ในช่วงที่ฮาร์ดแวร์ควอนตัมยังมีข้อจำกัดด้านจำนวนคิวบิต (Qubit) ที่ใช้งานได้จริง

การทดลองครั้งนี้ใช้ควอนตัมคอมพิวเตอร์ของ IBM ที่ติดตั้งโปรเซสเซอร์ Heron ขนาด 156 คิวบิต ทีมวิจัยต้องใช้เทคนิคบีบอัดข้อมูลพันธุกรรมให้อยู่ในรูปของสถานะควอนตัม (Quantum States) เพื่อให้พอดีกับจำนวนคิวบิตที่มีอยู่ ถือเป็นการพิสูจน์ว่าข้อมูลชีวภาพจริงสามารถแปลงเป็นรูปแบบที่เครื่องควอนตัมจัดการได้

ทำไมพันจีโนมคือเขาวงกตที่คอมพิวเตอร์ปกติไปไม่รอด?

คอมพิวเตอร์ทั่วไปเจอปัญหาหนักขึ้นเรื่อย ๆ เมื่อวงการจีโนมิกส์เริ่มขยับจากการใช้ลำดับพันธุกรรมอ้างอิง (Reference Sequence) เพียงชุดเดียว มาเป็นการใช้พันจีโนมซึ่งรวมลำดับพันธุกรรมจากคนหลายคนไว้ด้วยกัน ทำให้ข้อมูลแตกแขนงเป็นเส้นทางหลายสาย สะท้อนความหลากหลายทางพันธุกรรมของประชากรจริง

การหาแพตเทิร์นที่มีประโยชน์ภายในเส้นทางที่แตกแขนงเหล่านี้ ยิ่งชุดข้อมูลใหญ่ ความซับซ้อนก็ยิ่งเพิ่มแบบทวีคูณ

Dr. Sergii Strelchuk จาก University of Oxford อธิบายว่า "เป้าหมายของเราคือผลักดันขีดความสามารถของวงการจีโนมิกส์ให้ไปไกลที่สุด เวลาทำงานกับพันจีโนม ข้อมูลจะอยู่ในรูปของเขาวงกตที่พันกันยุ่งเหยิง แต่เรากำลังสร้างอัลกอริทึมควอนตัมเพื่อช่วยหาเส้นทางที่ดีที่สุดผ่านเขาวงกตนี้ ในจุดที่เครื่องมือแบบเดิมอย่างคอมพิวเตอร์คลาสสิกต้องยอมแพ้"

คิวบิตเปิดความเป็นไปได้หลายเส้นทางพร้อมกัน

จุดแข็งของควอนตัมคอมพิวเตอร์คือการใช้สถานะของคิวบิตแทนผลลัพธ์ที่เป็นไปได้หลายแบบในเวลาเดียวกัน ความสามารถนี้เปิดทางให้การคำนวณบางประเภททางจีโนมิกส์ทำได้เร็วกว่าวิธีคลาสสิกอย่างมาก

ทีมวิจัยตั้งเป้าเบนช์มาร์กในอนาคตที่การประมวลผลพันจีโนมของมนุษย์แบบเต็มรูปแบบให้เร็วกว่าเครื่องมือดั้งเดิมถึง 100 เท่า แม้การทดลองกับ Hepatitis D จะยังไม่ให้ความเร็วระดับนั้นในตัวเอง แต่ก็แสดงให้เห็นเส้นทางที่จะนำไปสู่การได้เปรียบเชิงควอนตัม (Quantum Advantage) เมื่อขยายสเกลขึ้นไปในอนาคต

ข้อจำกัดที่ยังต้องข้ามก่อนใช้งานจริง

นักวิทยาศาสตร์บางส่วนยังคงระมัดระวังเรื่องระยะเวลาที่ควอนตัมจะก้าวข้ามคอมพิวเตอร์แบบดั้งเดิมได้จริง โดย Science.org รายงานว่า ตราบใดที่ระบบควอนตัมยังไม่สามารถรองรับจีโนมขนาดใหญ่และทำการวิเคราะห์แบบเต็มรูปแบบได้ ก็ยังไม่มีใครรู้แน่ว่าสุดท้ายแล้วจะทำได้ดีกว่าวิธีคลาสสิกที่ปรับจูนมาเป็นอย่างดีหรือไม่

ถึงอย่างนั้น การโหลดจีโนมสมบูรณ์เข้าสู่ฮาร์ดแวร์ควอนตัมได้เป็นครั้งแรก ก็ถือเป็นหมุดหมายทางเทคนิคที่น่าประทับใจ เฟสถัดไปของทีมวิจัยจะมุ่งไปที่การขยายสเกลของวิธีการนี้ และเปลี่ยนเวิร์กโฟลว์เชิงทดลองให้กลายเป็นเครื่องมือที่นักวิจัยคนอื่นนำไปใช้งานได้จริง

ที่มา: TechRadar

ลงทะเบียนเข้าสู่ระบบ เพื่ออ่านบทความฟรีไม่จำกัด

No comment

RELATED ARTICLE

Responsive image

เปิดตัวคลับควอนตัมแห่งชาติ 'Quantum Club Thailand' เป้าหมายสร้างกำลังคน สร้างงานวิจัย สร้างภาคอุตสาหกรรม สร้างนวัตกรรม

ประเทศไทยเปิดตัว 'Quantum Club Thailand' แพลตฟอร์มความร่วมมือด้านเทคโนโลยีควอนตัมระดับประเทศ โดยมาจากความร่วมมือของกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) เครือเจริญ...

Responsive image

เปิดแผน 5 ยุทธศาสตร์การลงทุนใหม่ของไทย ดึง AI ชิป การเงินสีเขียว และการแพทย์ ขับเคลื่อนประเทศ

คณะอนุกรรมการด้านการพัฒนาการลงทุนใหม่ของประเทศ ภายใต้คณะกรรมการร่วมภาครัฐและเอกชนเพื่อแก้ไขปัญหาทางเศรษฐกิจ หรือ กรอ. เห็นชอบกรอบ 5 ยุทธศาสตร์เพื่อปรับโครงสร้างเศรษฐกิจไทยผ่านการลง...

Responsive image

Gemini Robotics ER 2 มาแล้ว สมองกล AI จาก DeepMind ดูวิดีโอเป็น แก้งานผิดเองได้ สั่งหุ่นยนต์หลายตัวทำงานร่วมกันได้

Google DeepMind เปิดตัว Gemini Robotics ER 2 โมเดล AI ที่เป็นสมองระดับสูงให้หุ่นยนต์ ดูวิดีโอต่อเนื่อง แก้งานผิดเองได้ และสั่งหุ่นยนต์หลายตัวทำงานร่วมกัน เปิดให้นักพัฒนาใช้แล้วผ่าน...