✖


Jump to content

Естественные вычисления

(Перенаправлено с вычислений In-vivo )
О научном журнале см. Natural Computing (журнал) .

Естественные вычисления , [1] [2] Также называемые естественными вычислениями — это терминология, введенная для обозначения трех классов методов: 1) тех, которые черпают вдохновение из природы для разработки новых методов решения проблем; 2) основанные на использовании компьютеров для синтеза явлений природы; и 3) те, которые используют для вычислений природные материалы (например, молекулы). Основными областями исследований, которые составляют эти три направления, являются искусственные нейронные сети , эволюционные алгоритмы , роевой интеллект , искусственные иммунные системы , фрактальная геометрия, искусственная жизнь , вычисления ДНК и квантовые вычисления , среди других.

Вычислительные парадигмы, изучаемые естественными вычислениями, абстрагируются от таких разнообразных природных явлений, как самовоспроизведение , функционирование мозга , дарвиновская эволюция , групповое поведение , иммунная система , определяющие свойства форм жизни, клеточные мембраны и морфогенез . Помимо традиционного электронного оборудования , эти вычислительные парадигмы могут быть реализованы на альтернативных физических носителях, таких как биомолекулы (ДНК, РНК) или квантовые вычислительные устройства с захваченными ионами.

Двояко можно рассматривать процессы, происходящие в природе, как обработку информации. К таким процессам относятся самосборка , процессы развития , сети регуляции генов , сети белок-белкового взаимодействия , сети биологического транспорта ( активный транспорт , пассивный транспорт ) и сборка генов в одноклеточных организмах . Усилия попонимание биологических систем также включает создание полусинтетических организмов и понимание самой Вселенной с точки зрения обработки информации. Действительно, была даже выдвинута идея, что информация более фундаментальна, чем материя или энергия. Тезис Цузе-Фредкина, датируемый 1960-ми годами, утверждает, что вся Вселенная представляет собой огромный клеточный автомат , который постоянно обновляет свои правила. [3] [4] Недавно было высказано предположение, что вся Вселенная представляет собой квантовый компьютер , который рассчитывает свое собственное поведение. [5] Вселенная/природа как вычислительный механизм рассматриваются: [6] исследование природы с помощью идей вычислимости и [7] изучение природных процессов как вычислений (обработки информации).

Природные модели вычислений

[ редактировать ]

Наиболее признанными «классическими» моделями вычислений, вдохновленными природой, являются клеточные автоматы, нейронные вычисления и эволюционные вычисления. Более поздние вычислительные системы, абстрагированные от естественных процессов, включают роевой интеллект, искусственные иммунные системы, мембранные вычисления и аморфные вычисления. Подробные обзоры можно найти во многих книгах.. [8] [9]

Клеточные автоматы

[ редактировать ]
Основная статья: Клеточный автомат

Клеточный автомат – это динамическая система, состоящая из массива ячеек. Пространство и время дискретны, и каждая из ячеек может находиться в конечном числе состояний . Клеточный автомат обновляет состояния своих клеток.синхронно по заданным априори правилам перехода . Следующее состояние ячейки вычисляется по правилу перехода и зависит только от ее текущего состояния и состояний ее соседей.

«Игра жизни» Конвея — один из самых известных примеров клеточных автоматов, доказавших свою вычислительную универсальность . Клеточные автоматы применялись для моделирования различных явлений, таких как коммуникация, рост, размножение, конкуренция, эволюция и другие физические и биологические процессы.

Нейронные вычисления

[ редактировать ]
Дополнительная информация: Искусственная нейронная сеть.

Нейронные вычисления — это область исследований, возникшая в результате сравнения вычислительных машин человека и нервной системы . [10] Эта область направлена ​​как на понимание того, как работает мозг живых организмов, так и на понимание того, как работает мозг . живых организмов ( теория мозга или вычислительная нейробиология ), а также разрабатывать эффективные алгоритмы, основанные на принципах обработки информации человеческим мозгом (искусственные нейронные сети, ANN). [11] ).

Искусственная нейронная сеть — это сеть искусственных нейронов . [12] Искусственный нейрон А оснащен функцией , получает n вещественных входных данных с соответствующими весами , и он выводит . Некоторые нейроны выбираются в качестве выходных нейронов, а сетевая функция представляет собой векторную функцию, которая связывает с n входными значениями выходные данные m выбранных выходных нейронов.Обратите внимание, что разные варианты весов создают разные сетевые функции для одних и тех же входных данных. Обратное распространение ошибки — это контролируемый метод обучения , при котором веса соединений в сети неоднократно корректируются так, чтобы минимизировать разницу между вектором фактических выходных данных и вектором желаемых выходных данных. Алгоритмы обучения, основанные на обратном распространении ошибок, могут использоваться для поиска оптимальных весов для заданной топологии сети и пар ввода-вывода.

Эволюционные вычисления

[ редактировать ]
Основная статья: Эволюционные вычисления

Эволюционные вычисления [13] — это вычислительная парадигма, вдохновленная дарвиновской эволюцией .

Искусственная эволюционная система — это вычислительная система, основанная на идее моделируемой эволюции. Он включает в себя популяцию особей постоянного или переменного размера, критерий приспособленности и генетически вдохновленные операторы, которые производят следующее поколение из текущего. Начальная популяция обычно генерируется случайным или эвристическим путем, а типичные операторы являются мутация и рекомбинация . На каждом этапе особи оцениваются по заданной функции приспособленности ( выживает наиболее приспособленный ). Следующее поколение получается от отобранных особей (родителей) с помощью генетически инспирированных операторов. Выбором родителей может руководить оператор отбора, отражающий биологический принцип выбора партнера . Этот процесс моделируемой эволюции в конечном итоге сводится к почти оптимальной популяции особей с точки зрения функции приспособленности.

Изучение эволюционных систем исторически развивалось по трем основным ветвям: Стратегии эволюции обеспечивают решение задач оптимизации параметров для вещественных, а также дискретных и смешанных типов параметров. Эволюционное программирование первоначально было направлено на создание оптимальных «интеллектуальных агентов», моделируемых, например, как конечные автоматы. Генетические алгоритмы [14] применил идею эволюционных вычислений к проблеме поиска (почти) оптимального решения данной проблемы. Первоначально генетические алгоритмы состояли из входной популяции особей, закодированных в виде битовых строк фиксированной длины, генетических операторов мутации (переворота битов) и рекомбинации (комбинации префикса родителя с суффиксом другого), а также зависящей от проблемы приспособленности. функция.Генетические алгоритмы использовались для оптимизации компьютерных программ, называемых генетическим программированием , и сегодня они также применяются к задачам оптимизации вещественных параметров, а также ко многим типам комбинаторных задач .

Алгоритм оценки распределения (EDA), с другой стороны, представляет собой эволюционные алгоритмы, которые заменяют традиционные операторы воспроизводства операторами, управляемыми моделями. Такие модели изучаются на основе совокупности с использованием методов машинного обучения и представляются как вероятностные графические модели, из которых можно выбирать новые решения. [15] [16] или сгенерирован из управляемого кроссовера. [17] [18]

Роевой интеллект

[ редактировать ]

Роевой интеллект , [19] иногда называемый коллективным разумом , определяется как поведение при решении проблем, возникающее в результате взаимодействия отдельных агентов (например, бактерий , муравьев , термитов , пчел , пауков , рыб , птиц ), которые общаются с другими агентами, воздействуя на их локальную среду обитания. .

Оптимизация роя частиц применяет эту идею к проблеме поиска оптимального решения заданной проблемы.путем поиска в (многомерном) пространстве решений . Начальная установка представляет собой рой частиц , каждая из которых представляет собой возможное решение проблемы. Каждая частица имеет свою собственную скорость , которая зависит от ее предыдущей скорости (компонент инерции), тенденции к прошлому личному наилучшему положению (компонент ностальгии) и ее тенденции к глобальному оптимуму соседства или локальному оптимуму соседства (социальный компонент). Таким образом, частицы движутся через многомерное пространство и в конечном итоге сходятся к точке между глобальным лучшим и своим личным лучшим. Алгоритмы оптимизации роя частиц применялись для решения различных задач оптимизации, а также для неконтролируемого обучения , игрового обучения и планирования приложений .

Аналогичным образом муравьиные алгоритмы моделируют поведение колоний муравьев в поисках пищи. Чтобы найти лучший путь между гнездом и источником пищи, муравьи полагаются на непрямое общение, прокладывая феромонный след на обратном пути к гнезду, если они нашли еду, соответственно. следят за концентрацией феромонов, если ищут пищу. Муравьиные алгоритмы успешно применялись для решения множества задач комбинаторной оптимизации в дискретных пространствах поиска.

Искусственные иммунные системы

[ редактировать ]

Искусственные иммунные системы (также известные как иммунологические вычисления или иммунокомпьютеры ) — это вычислительные системы, созданные на основе естественных иммунных систем биологических организмов.

, рассматриваемая как система обработки информации, Естественная иммунная система организмов выполняет множество сложных задач параллельно и в режиме распределенных вычислений . [20] К ним относятся различие между собственным и чужим , [21] нейтрализация чужеродных патогенов ( вирусов , бактерий, грибов и паразитов ), обучение , память , ассоциативное воспроизведение , саморегуляция и отказоустойчивость . Искусственные иммунные системы представляют собой абстракции естественной иммунной системы, подчеркивающие эти вычислительные аспекты. Их приложения включают обнаружение компьютерных вирусов , обнаружение аномалий во временных рядах данных, диагностику неисправностей , распознавание образов , машинное обучение, биоинформатику , оптимизацию, робототехнику и управление .

Мембранные вычисления

[ редактировать ]

Мембранные вычисления исследуют вычислительные модели, абстрагированные от разделенной структуры живых клеток, на которые влияют мембраны . [22] Общая мембранная система (Р-система) состоит из клеточных компартментов (областей), ограниченных мембранами , которые расположены во вложенной иерархической структуре. Каждая область, обернутая мембраной, содержит объекты, правила преобразования, которые изменяют эти объекты, а также правила переноса, которые определяют, будут ли объекты перенесены за пределы региона или останутся внутри региона. Регионы общаются друг с другом посредством передачи объектов. Вычисления с помощью мембранной системы начинаются с начальной конфигурации, где количество ( множественность ) каждого объекта устанавливается равным некоторому значению для каждой области ( мультимножества объектов ). Он осуществляется путем недетерминированного и максимально параллельного выборакакие правила применяются к каким объектам. Выходные данные вычислений собираются из заранее определенной выходной области.

Приложения мембранных систем включают машинное обучение, моделирование биологических процессов ( фотосинтез , определенные сигнальные пути , ощущение кворума у ​​бактерий, клеточный иммунитет ), а также приложения информатики, такие как компьютерная графика , криптография с открытым ключом , алгоритмы аппроксимации и сортировки. , а также анализ различных вычислительно сложных задач .

Аморфные вычисления

[ редактировать ]

В биологических организмах морфогенез (развитие четко определенных форм и функциональных структур) достигается за счет взаимодействий между клетками, направляемых генетической программой , закодированной в ДНК организма.

Вдохновленные этой идеей, аморфные вычисления направлены на создание четко определенных форм и шаблонов или согласованного вычислительного поведения на основе локальных взаимодействий множества простых ненадежных, неравномерно расположенных, асинхронных, одинаково запрограммированных вычислительных элементов (частиц). [23] Целью парадигмы программирования является поиск новых методов программирования , которые будут хорошо работать в аморфных вычислительных средах. Аморфные вычисления также играют важную роль в качестве основы для « клеточных вычислений » (см. темы «Синтетическая биология и клеточные вычисления » ниже).

Морфологические вычисления

[ редактировать ]

Понимание того, что морфология выполняет вычисления, используется для анализа взаимосвязи между морфологией и контролем, а также для теоретического руководства проектированием роботов с уменьшенными требованиями к управлению. Оно использовалось как в робототехнике, так и для понимания когнитивных процессов в живых организмах, см. Морфологические вычисления и . [24]

Когнитивные вычисления

[ редактировать ]

Когнитивные вычисления CC — это новый тип вычислений, обычно целью которого является моделирование функций человеческого восприятия, рассуждения и реакции на стимулы, см. «Когнитивные вычисления» и «Когнитивные вычисления». . [25]

Когнитивные возможности современных когнитивных вычислений далеки от человеческого уровня. Тот же информационно-вычислительный подход можно применить и к другим, более простым живым организмам. Бактерии являются примером когнитивной системы, смоделированной с помощью вычислений, см. Эшель Бен-Джейкоб. и Микробы-разум .

Синтезирование природы посредством вычислений

[ редактировать ]

Искусственная жизнь

[ редактировать ]

Искусственная жизнь (ALLife) — это область исследований, конечная цель которой — понять основные свойства живых организмов. [26] путем создания в электронных компьютерах или других искусственных средах ab initio систем, которые проявляют свойства, обычно присущие только живым организмам. Ранние примеры включают системы Линденмайера (L-системы), которые использовались для моделирования роста и развития растений. L-система — это параллельная система переписывания, которая начинается с начального слова и применяет свои правила переписывания параллельно ко всем буквам слова. [27]

Новаторские эксперименты в области искусственной жизни включали разработку эволюционирующих «виртуальных блочных существ», действующих в смоделированной среде с реалистичными характеристиками, такими как кинетика , динамика , гравитация , столкновение и трение . [28] Эти искусственные существа были выбраны за их способности плавать, ходить или прыгать, и они соревновались за общий ограниченный ресурс (управление кубом). Симуляция привела к эволюции существ, демонстрирующих удивительное поведение: у некоторых появились руки, чтобы хватать куб, у других появились ноги, чтобы двигаться к кубу. Этот вычислительный подход в дальнейшем был объединен с технологией быстрого производства, чтобы фактически создать физических роботов, которые виртуально эволюционировали. [29] Это ознаменовало появление области механической искусственной жизни .

Область синтетической биологии исследует биологическую реализацию подобных идей. Другие направления исследований в области искусственной жизни включают искусственную химию , а также традиционно биологические явления, изучаемые в искусственных системах, начиная от вычислительных процессов, таких как коэволюционная адаптация и развитие, и заканчивая физическими процессами, такими как рост, самовоспроизведение и самовоспроизведение. ремонт .

Новое оборудование, вдохновленное природой

[ редактировать ]

Все упомянутые выше вычислительные методы, хотя и вдохновлены природой, до сих пор реализовывались в основном на традиционном электронном оборудовании . Напротив, две представленные здесь парадигмы — молекулярные вычисления и квантовые вычисления — используют радикально разные типы аппаратного обеспечения.

Молекулярные вычисления

[ редактировать ]

Молекулярные вычисления (также известные как биомолекулярные вычисления, биокомпьютеры, биохимические вычисления, ДНК-вычисления ) — это вычислительная парадигма, в которой данные кодируются в виде биомолекул, таких как нити ДНК , а инструменты молекулярной биологии воздействуют на данные для выполнения различных операций (например, арифметических или логических операций). ).

Первой экспериментальной реализацией специального молекулярного компьютера стал прорывной эксперимент Леонарда Адлемана в 1994 году, который решил задачу7-узловой экземпляр гамильтоновой проблемы пути исключительно за счет манипулирования нитями ДНК в пробирках. [30] Вычисления ДНК начинаются с исходных входных данных, закодированных как последовательность ДНК (по сути, последовательность четырехбуквенного алфавита {A, C, G, T}),и продолжить последовательность биоопераций, таких как вырезание и вставка (с помощью ферментов рестрикции и лигаз ), извлечение цепей, содержащих определенную подпоследовательность (с использованием комплементарности Уотсона-Крика), копирование (с использованием полимеразной цепной реакции , в которой используется фермент полимераза) и считывание. [31] Недавние экспериментальные исследования позволили решить более сложные примеры NP-полных задач, такие как пример 3SAT с 20 переменными и реализации конечных автоматов с мокрой ДНК с потенциальным применением для разработки умных лекарств .

Самосборка ДНК-плитки треугольника Серпинского, начиная с семени, полученного в технике ДНК-оригами. [32]

Одним из наиболее заметных вкладов исследований в этой области является понимание самосборки . [33] Самосборка — это восходящий процесс, в ходе которого объекты автономно собираются вместе, образуя сложные структуры. Примеров в природе предостаточно, и они включают атомы, связывающиеся химическими связями с образованием молекул , а также молекулы, образующие кристаллы или макромолекулы . Примеры тем исследований самосборки включают самоорганизующиеся наноструктуры ДНК. [34] например треугольники Серпинского [35] или произвольные наноформы, полученные с помощью ДНК-оригами [36] техника и ДНК-наномашины [37] такие как схемы на основе ДНК ( двоичный счетчик , побитовое накопительное исключающее ИЛИ ), рибозимы для логических операций, молекулярные переключатели ( пинцеты ДНК ) и автономные молекулярные двигатели ( ходоходы ДНК ).

Теоретические исследования в области молекулярных вычислений привели к появлению нескольких новых моделей вычислений ДНК (например, систем сплайсинга, представленных Томом Хэдом ещё в 1987 году), и их вычислительная мощность была исследована. [38] Теперь известно, что различные подмножества биоопераций способны достичь вычислительной мощности машин Тьюринга. [ нужна ссылка ] .

Квантовые вычисления

[ редактировать ]
Основная статья: Квантовые вычисления

Квантовый компьютер [39] обрабатывает данные, хранящиеся в виде квантовых битов ( кубитов ), и использует квантово-механические явления, такие как суперпозиция и запутанность, для выполнения вычислений.Кубит может содержать «0», «1» или их квантовую суперпозицию. Квантовый компьютер оперирует кубитами с квантовыми логическими вентилями . С помощью полиномиального алгоритма Шора для факторизации целых чисел и алгоритма Гровера для квантового поиска в базе данных, который имеет квадратичное преимущество по времени, было показано, что квантовые компьютеры потенциально обладают значительным преимуществом по сравнению с электронными компьютерами.

Квантовая криптография основана не на сложности вычислений , а на особых свойствах квантовой информации , таких как тот факт, что квантовую информацию невозможно надежно измерить, и любая попытка ее измерения приводит к неизбежным и необратимым нарушениям. В 2007 году было сообщено об успешном эксперименте по квантовой криптографии под открытым небом, в ходе которого данные были безопасно переданы на расстояние 144 км. [40] Квантовая телепортация — еще одно многообещающее применение, в котором квантовое состояние (не материя или энергия) переносится в произвольное удаленное место. Реализации практических квантовых компьютеров основаны на различных субстратах, таких как ионные ловушки , сверхпроводники , ядерный магнитный резонанс и т.д. По состоянию на 2006 год в крупнейшем эксперименте по квантовым вычислениям использовались процессоры квантовой информации ядерного магнитного резонанса в жидком состоянии, которые могли работать с 12 кубитами. [41]

Природа как обработка информации

[ редактировать ]

Двойной аспект естественных вычислений заключается в том, что они направлены на понимание природы, рассматривая природные явления как обработку информации. Уже в 1960-х годах Цузе и Фредкин выдвинули идею о том, что вся Вселенная представляет собой вычислительный механизм (механизм обработки информации), смоделированный как клеточный автомат, который постоянно обновляет свои правила. [3] [4] Недавний квантово-механический подход Ллойда предполагает, что Вселенная представляет собой квантовый компьютер, который вычисляет свое собственное поведение. [5] в то время как Ведрал [42] предполагает, что информация является наиболее фундаментальным строительным блоком реальности.

Вселенная/природа как вычислительный механизм разрабатывается в: [6] исследуя природу с помощью идей вычислимости, при этом, [7] Основываясь на представлении о природе как сети информационных процессов на разных уровнях организации, изучает природные процессы как вычисления (обработку информации).

Основными направлениями исследований в этой области являются системная биология , синтетическая биология. и сотовые вычисления .

Системная биология

[ редактировать ]
Основная статья: Системная биология

Вычислительная системная биология (или просто системная биология) — это интегративный и качественный подход, который исследует сложные коммуникации и взаимодействия, происходящие в биологических системах. Таким образом, в системной биологии в центре внимания находятся сами сети взаимодействия и свойства биологических систем, возникающие благодаря этим сетям, а не отдельные компоненты функциональных процессов в организме. Этот тип исследований органических компонентов сосредоточен на четырех различных взаимозависимых сетях взаимодействия: [43] генно-регуляторные сети, биохимические сети, транспортные сети и углеводные сети.

Регуляторные сети генов включают взаимодействия генов, а также взаимодействия между генами и другими веществами в клетке. Гены транскрибируются в информационную РНК (мРНК), а затем транслируются в белки в соответствии с генетическим кодом . Каждый ген связан с другими сегментами ДНК ( промоторами , энхансерами или сайленсерами ), которые действуют как сайты связывания для активаторов или репрессоров транскрипции генов . Гены взаимодействуют друг с другом либо через свои генные продукты (мРНК, белки), которые могут регулировать транскрипцию генов, либо через небольшие виды РНК , которые могут напрямую регулировать гены.Эти ген-генные взаимодействия вместе с взаимодействиями генов с другими веществами в клетке образуют самое основное взаимодействие.сеть: сети генной регуляции . Они выполняют задачи по обработке информации внутри клетки, включая сборку и обслуживание других сетей. Модели сетей генной регуляции включают случайные и вероятностные булевы сети , асинхронные автоматы и сетевые мотивы. .

Другая точка зрения состоит в том, что вся система регуляции генома представляет собой вычислительную систему, геномный компьютер . Эта интерпретация позволяет сравнить электронные вычисления, созданные человеком, с вычислениями, которые происходят в природе. [44]

Сравнение геномных и электронных компьютеров
Геномный компьютер Электронный компьютер
Архитектура изменчивый жесткий
Конструкция компонентов по мере необходимости с самого начала
Координация причинно-следственная координация временная синхронность
Различие между аппаратным и программным обеспечением Нет Да
Транспортные средства массовой информации молекулы и ионы провода

Кроме того, в отличие от обычного компьютера, надежность геномного компьютера достигается за счет различных механизмов обратной связи, с помощью которых плохо функциональные процессы быстро разрушаются, плохо функциональные клетки погибают в результате апоптоза , а плохо функциональные организмы вытесняются более приспособленными видами.

Биохимические сети относятся к взаимодействиям между белками и выполняют различные механические и метаболические задачи внутри клетки. Два или более белка могут связываться друг с другом посредством связывания сайтов их взаимодействия и образовывать динамический белковый комплекс ( комплексообразование ). Эти белковые комплексы могут действовать как катализаторы других химических реакций или химически модифицировать друг друга. Такие модификации вызывают изменения доступных сайтов связывания белков. В клетке находятся десятки тысяч белков, и они взаимодействуют друг с другом. Чтобы описать столь масштабные взаимодействия, Кон отображает [45] были представленыв качестве графического обозначения для изображения молекулярных взаимодействий в кратких изображениях. Другие подходы к точному и краткому описанию белок-белковых взаимодействий включают использование текстового биоисчисления. [46] или пи-исчисление, обогащенное стохастическими функциями. [47]

Транспортные сети относятся к разделению и транспортировке веществ, опосредованному липидными мембранами.Некоторые липиды могут самособираться в биологические мембраны. Липидная мембрана состоит из липидного бислоя , в который встроены белки и другие молекулы, способные перемещаться по этому слою. Через липидные бислои вещества транспортируются между внутренней и внешней частью мембран для взаимодействия с другими молекулами. Формализмы, описывающие транспортные сети, включают мембранные системы и бранные исчисления . [48]

Синтетическая биология

[ редактировать ]
Основная статья: Синтетическая биология

Синтетическая биология направлена ​​на разработку синтетических биологических компонентов с конечной целью сборки целых биологических систем из их составных компонентов. Историю синтетической биологии можно проследить до 1960-х годов, когда Франсуа Жакоб и Жак Моно открыли математическую логику регуляции генов. Методы генной инженерии, основанные на технологии рекомбинантной ДНК , являются предшественниками современной синтетической биологии, которая распространяет эти методы на целые системы генов и генных продуктов.

перспектива создания синтетических геномов с целью построения полностью искусственных синтетических организмов Наряду с возможностью синтеза все более длинных нитей ДНК, реальностью стала . Действительно, быстрая сборка химически синтезированных коротких нитей ДНК позволила создать синтетический геном вируса длиной 5386 пар оснований. [49]

Альтернативно, Смит и др. обнаружили около 100 генов, которые можно удалить индивидуально из генома Mycoplasma Genitalium . Это открытие открывает путь к созданию минимального, но все же жизнеспособного искусственного генома, состоящего только из основных генов.

Третий подход к конструированию полусинтетических клеток — создание одного типа РНК-подобной молекулы со способностью к самовоспроизведению. [50] Такую молекулу можно было бы получить, управляя быстрой эволюцией исходной популяции РНК-подобных молекул путем отбора по желаемым признакам.

Другая попытка в этой области направлена ​​на разработку многоклеточных систем путем разработки, например, модулей межклеточной связи, используемых для координации живых популяций бактериальных клеток. [51]

Сотовые вычисления

[ редактировать ]

Вычисления в живых клетках (также известные как клеточные вычисления или вычисления in vivo ) — это еще один подход к пониманию природы как вычислений. Одним из конкретных исследований в этой области является исследование вычислительной природы сборки генов в одноклеточных организмах, называемых инфузориями . Инфузории хранят копию своей ДНК, содержащую функциональные гены, в макронуклеусе , а другую «зашифрованную» копию — в микронуклеусе . Конъюгация двух инфузорий состоит из обмена их микроядерной генетической информацией, что приводит к образованию двух новых микроядер, после чего каждая инфузория повторно собирает информацию из своего нового микроядра для построения нового функционального макронуклеуса. Последний процесс называется сборкой генов или перегруппировкой генов. Он предполагает переупорядочение некоторых фрагментов ДНК ( перестановки и, возможно, инверсию ) и удаление других фрагментов из микроядерной копии. С вычислительной точки зрения изучение процесса сборки генов привело ко многим сложным исследовательским темам и результатам, таким как тьюринговская универсальность различных моделей этого процесса. [52] С биологической точки зрения была предложена правдоподобная гипотеза о «биологическом программном обеспечении», реализующем процесс сборки генов, основанном на рекомбинации, управляемой шаблоном . [53] [54]

Другие подходы к клеточным вычислениям включают разработку in vivo программируемого и автономного конечного автомата с E. coli , [55] проектирование и создание in vivo клеточных логических элементов и генетических цепей, которые используют существующие биохимические процессы клетки (см., например, [56] ) и глобальная оптимизация отверстия устьиц в листьях, следуя набору локальных правил, напоминающих клеточный автомат . [57]

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Г.Розенберг, Т.Бак, Дж.Кок, редакторы, Справочник по естественным вычислениям, Springer Verlag, 2012 г.
  2. ^ А.Брабазон, МО'Нил, С.МакГарраги. Естественные вычислительные алгоритмы , Springer Verlag, 2015 г.
  3. ^ Jump up to: а б Фредкин, Ф. Цифровая механика: информационный процесс, основанный на обратимом универсальном СА. Физика Д 45 (1990) 254-270.
  4. ^ Jump up to: а б Цузе, К. Вычислительное пространство. Электронная обработка данных 8 (1967) 336-344.
  5. ^ Jump up to: а б Ллойд, С. Программирование Вселенной: ученый, занимающийся квантовыми компьютерами, изучает космос . Кнопф, 2006 г.
  6. ^ Jump up to: а б Зенил, Х. Вычислимая Вселенная: понимание и исследование природы посредством вычислений . Всемирное научное издательство, 2012 г.
  7. ^ Jump up to: а б Додиг-Црнкович Г. и Джованьоли Р. ВЫЧИСЛИТЕЛЬНАЯ ПРИРОДА . Спрингер, 2013 г.
  8. ^ Олариус С., Зомая А.Ю., Справочник по биоинспирированным алгоритмам и приложениям , Chapman & Hall/CRC, 2005.
  9. ^ де Кастро, Л.Н., Основы естественных вычислений: основные концепции, алгоритмы и приложения, CRC Press, 2006.
  10. ^ фон Нейман, Дж. Компьютер и мозг . Издательство Йельского университета, 1958 г.
  11. ^ Арбиб, М., редактор. Справочник по теории мозга и нейронным сетям. МИТ Пресс, 2003.
  12. ^ Рохас, Р. Нейронные сети: систематическое введение. Спрингер, 1996 г.
  13. ^ Бек Т., Фогель Д., Михалевич З., редакторы. Справочник по эволюционным вычислениям. Издательство IOP, Великобритания, 1997 г.
  14. ^ Коза, Дж. Генетическое программирование: о программировании компьютеров посредством естественного отбора . Массачусетский технологический институт Пресс, 1992 г.
  15. ^ Пеликан, Мартин; Голдберг, Дэвид Э.; Канту-Пис, Эрик (1 января 1999 г.). BOA: Байесовский алгоритм оптимизации . Гекко'99. стр. 100-1 525–532. ISBN  9781558606111 . {{cite book}}: |journal= игнорируется ( помогите )
  16. ^ Пеликан, Мартин (2005). Иерархический байесовский алгоритм оптимизации: к новому поколению эволюционных алгоритмов (1-е изд.). Берлин [ua]: Шпрингер. ISBN  978-3-540-23774-7 .
  17. ^ Тиренс, Дирк (11 сентября 2010 г.). «Генетический алгоритм дерева связей». Параллельное решение проблем из природы, PPSN XI . стр. 264–273. дои : 10.1007/978-3-642-15844-5_27 . ISBN  978-3-642-15843-8 . S2CID   28648829 .
  18. ^ Мартинс, Жан П.; Фонсека, Карлос М.; Дельбем, Александр CB (25 декабря 2014 г.). «О производительности генетических алгоритмов дерева связей для многомерной задачи о рюкзаке». Нейрокомпьютинг . 146 : 17–29. дои : 10.1016/j.neucom.2014.04.069 .
  19. ^ Энгельбрехт, А. Основы вычислительного роевого интеллекта. Уайли и сыновья, 2005.
  20. ^ Дасгупта, редактор Д. Искусственные иммунные системы и их применение. Спрингер, 1998 г.
  21. ^ де Кастро, Л., Тиммис, Дж. Искусственные иммунные системы: новый подход к вычислительному интеллекту . Спрингер, 2002.
  22. ^ Паун, Г. Мембранные вычисления: Введение . Спрингер, 2002 г.
  23. ^ Абельсон, Х., Аллен, Д., Кур, Д., Хэнсон, К., Хомси, Г., Найт-младший, Т., Нагпал, Р., Раух, Э., Сассман, Г., Вайс, Р. Аморфные вычисления . Сообщения ACM 43, 5 (май 2000 г.), 74–82.
  24. ^ Пфайфер Р. и Фюкслин Р. Морфологические вычисления . (начало со стр. 11), 2013 г.
  25. ^ Пфайфер Р. и Бондгард Дж. Как тело формирует наше мышление: новый взгляд на интеллект . МИТ Пресс, 2006 г.
  26. ^ Лэнгтон, К., редактор. Искусственная жизнь. Эддисон-Уэсли Лонгман, 1990 г.
  27. ^ Розенберг, Г. и Саломаа, А. Математическая теория L-систем . Академическое издательство, 1980.
  28. ^ Брукс. Р. Искусственная жизнь: от мечты роботов к реальности . Природа 406 (2000), 945-947.
  29. ^ Липсон П., Поллак Дж. Автоматическое проектирование и производство роботизированных форм жизни . Природа 406 (2000), 974-978.
  30. ^ Адлеман, Л. Молекулярные вычисления решений комбинаторных задач. Архивировано 6 февраля 2005 г. в Wayback Machine . Наука 266 (1994), 1021-1024.
  31. ^ Кари, Л. ДНК-вычисления - появление биологической математики . Математический интеллект 19, 2 (1997) 9-22
  32. ^ Фудзибаяши, К., Хариади, Р., Парк, Ш., Уинфри, Э., Мурата, С. На пути к надежной алгоритмической самосборке плиток ДНК: шаблон клеточного автомата фиксированной ширины . Нано-письма 8 (7) (2007) 1791-1797.
  33. ^ Рейф, Дж. и ЛаБин, Т. Автономные программируемые биомолекулярные устройства, использующие самособирающиеся наноструктуры ДНК . Сообщения ACM 50, 9 (сентябрь 2007 г.), 46–53.
  34. ^ Симан, Н. Нанотехнологии и двойная спираль . Отчеты Scientific American, 17. 3 (2007), 30–39.
  35. ^ Ротемунд, П., Пападакис, Н., Уинфри, Э. Алгоритмическая самосборка треугольников ДНК Серпинского . PLoS Biology 2, 12 (декабрь 2004 г.)
  36. ^ Ротемунд, П. Складывание ДНК для создания наноразмерных форм и узоров . Природа 440 (2006) 297-302.
  37. ^ Бат, Дж., Терберфилд, А. ДНК-наномашины . Природные нанотехнологии 2 (май 2007 г.), 275–284.
  38. ^ Паун, Г., Розенберг, Г., Саломаа, А. Вычисления ДНК: новые вычислительные парадигмы. Спрингер, 1998 г.
  39. ^ Хирвенсало, М. Квантовые вычисления, 2-е изд. Спрингер, 2004 г.
  40. ^ Урсин, Р. и др. Квантовая связь на основе запутанностей на расстоянии более 144 км . Физика природы 3 (2007) 481-486.
  41. ^ Негревернь, К. и др. Бенчмаркинг методов квантового управления на 12-кубитной системе . Письма о физическом обзоре 96: art170501, 2006 г.
  42. ^ Ведрал, В. [Декодирование реальности: Вселенная как квантовая информация]. Издательство Оксфордского университета, 2010 г.
  43. ^ Карделли, Л. Абстрактные машины системной биологии. Архивировано 19 апреля 2008 г. в Wayback Machine. Бюллетень EATCS 93 (2007), 176-204.
  44. ^ Истрайл, С., Де-Леон, Б.Т., Дэвидсон, Э. Регуляторный геном и компьютер . Биология развития 310 (2007), 187-195.
  45. ^ Кон, К. Карта молекулярного взаимодействия систем контроля клеточного цикла млекопитающих и восстановления ДНК . Молекулярная биология клетки 10(8) (1999) 2703-2734.
  46. ^ Нагасаки, М., Онами, С., Мияно, С., Китано, Х. Биоисчисление: его концепция и молекулярное взаимодействие. [ постоянная мертвая ссылка ] . Геномная информатика 10 (1999) 133-143.
  47. ^ Регев А., Шапиро Э. Клеточные абстракции: Ячейки как вычисления . Природа 419 (2002) 343
  48. ^ Карделли, Л. Исчисления Брана: Взаимодействие биологических мембран . В LNCS 3082, страницы 257–280. Спрингер, 2005.
  49. ^ Смит, Х., Хатчисон III, К., Пфаннох, К. и Вентер, К. Создание синтетического генома путем сборки всего генома: бактериофаг {phi} X174 из синтетических олигонуклеотидов . ПНАС 100 , 26 (2003), 15440-15445.
  50. ^ Сазани, П., Ларральде, Р., Шостак, Дж. Небольшой аптамер с сильным и специфическим распознаванием трифосфата АТФ . Журнал Американского химического общества , 126(27) (2004) 8370-8371.
  51. ^ Вайс Р., Найт-младший, Т. Инженерные коммуникации для микробной робототехники . В LNCS 2054, страницы 1–16, Springer, 2001 г.
  52. ^ Ландвебер, Л. и Кари, Л. Эволюция клеточных вычислений: природное решение вычислительной проблемы. [ постоянная мертвая ссылка ] . Биосистемы , 52, 1/3 (1999) 3-13.
  53. ^ Анжелеска, А.; Йоноска, Н.; Сайто, М.; Ландвебер, Л. (2007). «Сборка ДНК под контролем РНК». Журнал теоретической биологии . 248 (4): 706–720. Бибкод : 2007JThBi.248..706A . дои : 10.1016/j.jtbi.2007.06.007 . ПМИД   17669433 .
  54. ^ Прескотт, Д., Эренфойхт, А., и Розенберг, Г. Рекомбинация, управляемая шаблоном, для устранения IES и расшифровки генов в стихотриховых инфузориях. [ мертвая ссылка ] . Дж. Теоретическая биология 222, 3 (2003), 323-330.
  55. ^ Накагава, Х., Сакамото, К., Сакакибара, Ю. Разработка компьютера in vivo на основе Escherichia Coli . В LNCS 3892, страницы 203–212, Springer, 2006 г.
  56. ^ Забет Н.Р., Хоне ANW, Чу Д.Ф. Принципы проектирования транскрипционных логических схем. Архивировано 7 марта 2012 г. в Wayback Machine . В «Искусственной жизни» XII Материалы Двенадцатой Международной конференции по синтезу и моделированию живых систем, страницы 186–193. MIT Press, август 2010 г.
  57. ^ Дюран-Небреда С., Бассель Г. (апрель 2019 г.). «Поведение растений в ответ на окружающую среду: обработка информации в твердом состоянии» . Философские труды Королевского общества Б. 374 ): 20180370.doi : ( 1774 10.1098/rstb.2018.0370 . ПМК   6553596 . ПМИД   31006360 .

Дальнейшее чтение

[ редактировать ]

Данная статья написана на основе следующих ссылок с любезного разрешения их авторов:

Многие из составляющих областей исследований естественных вычислений имеют свои собственные специализированные журналы и серии книг.Журналы и серии книг, посвященные широкой области естественных вычислений, включают журналы Natural Computing (Springer Verlag), Theoretical Computer Science, Series C: Theory of Natural Computing (Elsevier), серию книг Natural Computing (Springer Verlag) и Handbook. естественных вычислений (Г.Розенберг, Т.Бак, Дж.Кок, редакторы Springer Verlag).

  • Ридж, Э.; Куденко Д.; Казаков Д.; Карри, Э. (2005). «Перенос вдохновленных природой алгоритмов в параллельные, асинхронные и децентрализованные среды». Самоорганизация и автономная информатика (I) . 135 : 35–49. CiteSeerX   10.1.1.64.3403 .
  • «Рои и роевой интеллект» , Майкл Г. Хинчи, Рой Стерритт и Крис Руфф,

Для читателей, интересующихся научно-популярной статьей, обратите внимание на эту на Medium: Природные алгоритмы

Retrieved from "https://en.wikipedia.org/w/index.php?title=Natural_computing&oldid=1238705778#Cellular_computing"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: ce7dfa06e357c81a43e8cac9df5269ab__1722833880
URL1:https://arc.ask3.ru/arc/aa/ce/ab/ce7dfa06e357c81a43e8cac9df5269ab.html
Заголовок, (Title) документа по адресу, URL1:
Natural computing - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)