El uso de computadoras para estudiar polímeros siempre ha sido un gran desafío para la computación científica, especialmente para biomoléculas largas y densamente empaquetadas, como el ADN. Ahora se están abriendo nuevas perspectivas a través de la computación cuántica. Los científicos ahora han reformulado los modelos básicos de los modelos de polímeros como problemas de optimización que pueden resolverse de manera eficiente con computadoras cuánticas. Este novedoso enfoque ha permitido aprovechar el considerable potencial de estas máquinas en un contexto hasta ahora inexplorado.

El estudio, publicado en el Cartas de revisión física diario, ha involucrado a Cristian Micheletti de SISSA, y Philipp Hauke ​​y Pietro Faccioli de la Universidad de Trento.

Muchos de los paradigmas de la informática científica, desde las técnicas de Monte Carlo hasta el recocido simulado, explican los autores, se desarrollaron, al menos en parte, estudiar las propiedades de los polímeros, incluidos los biológicos como las proteínas y el ADN. Por un lado, El avance de las computadoras cuánticas abre nuevos escenarios para la computación científica en general. Al mismo tiempo, requiere el desarrollo de nuevos modelos aptos para aprovechar al máximo este gran potencial. En particular, Las computadoras cuánticas se destacan en la resolución de tareas de optimización. Estos problemas generalmente implican encontrar la combinación óptima de variables del sistema de acuerdo con un sistema de puntuación preasignado.

Considerando esto, los autores han refundido los modelos de polímeros básicos estableciendo una correspondencia entre cada posible configuración de polímero y las soluciones de un problema de optimización adecuado.

"Típicamente, las cadenas de polímeros se modelan directamente como una secuencia de puntos en un espacio tridimensional. En simulaciones clásicas, esta cadena luego se anima a través de deformaciones progresivas, imitando la dinámica del polímero en la naturaleza, "explican los autores. Ahora que estamos entrando en la era de la computación cuántica, se vuelve natural estudiar polímeros con estas técnicas innovadoras. Sin embargo, las descripciones basadas en puntos en el espacio 3D no pueden usarse fácilmente con computadoras cuánticas. Por tanto, encontrar formas de eludir las descripciones convencionales de polímeros es un desafío que podría abrir nuevas perspectivas.

Micheletti explica que su "estrategia era codificar todas las configuraciones posibles de un sistema de polímeros como soluciones de un solo problema de optimización. El problema de optimización se formula en términos de variables de espín de Ising, uno de los modelos más comunes en física, que se resuelve de manera eficiente con computadoras cuánticas. Para simplificar, un problema de optimización en el modelo de Ising puede verse como un rompecabezas para colorear. El desafío consiste en asignar un color azul o rojo a cada punto de una celosía respetando una gran cantidad de reglas. Por ejemplo, los puntos A y B deben tener un color diferente, y también deberían hacerlo los puntos B y C; al mismo tiempo, los puntos A y C deben ser del mismo color. Las computadoras cuánticas son extremadamente eficientes para resolver tales problemas, es decir, para encontrar la asignación de color que satisfaga el mayor número de reglas dadas. En nuestro caso, en cada solución encontrada del problema de optimización, podríamos asociar una configuración polimérica específica. Repitiendo la búsqueda de soluciones, así podríamos recopilar un número creciente de configuraciones de polímeros, todos estadísticamente independientes ".

El rápido desarrollo de las computadoras cuánticas sugiere que estas máquinas podrían usarse para abordar problemas científicos mucho más complejos que los que pueden abordar las computadoras convencionales. "Por eso es importante proporcionar ahora las bases algorítmicas para aprovechar el potencial de este nuevo paradigma de cálculo científico". dicen los investigadores. "Nuestro estudio proporciona un primer ejemplo de cómo se puede utilizar la computación cuántica para estudiar modelos de polímeros clave. En perspectiva, porque nuestro enfoque es general, debería proporcionar una base para abordar sistemas más complejos y ambiciosos, como biopolímeros largos en espacios reducidos, que también son clave para comprender la organización del genoma ".