弗吉尼亚大学医学院的科学家们正在利用量子计算机的惊人思维潜力来帮助我们理解遗传疾病-甚至在量子计算机还没有成为现实之前。

UVA的Stefan Bekiranov博士和同事开发了一种算法，一旦有更强大的量子计算机运行该算法，研究人员就可以使用量子计算机研究遗传疾病。该算法是一套复杂的操作说明，将有助于推动量子计算算法的发展，并有一天可以推动遗传研究领域的发展。

量子计算机仍处于起步阶段。但是，当它们进入自己的应用程序时(可能在十年之内)，它们可能会提供使用传统计算机无法想象的规模的计算能力。

贝基拉诺夫说：“我们开发并实施了一种遗传样本分类算法，该算法对于利用量子计算机的内在优势以非常自然的方式在量子计算机上的机器学习领域至关重要。”“这肯定是由美国国家心理健康研究所资助的第一个发表的量子计算机研究，并且可能是使用由美国国立卫生研究院资助的所谓的通用量子计算机的第一个研究。”

量子计算基础

传统的计算机程序基于1s和0s(或非)构建。但是量子计算机利用了量子物理学的一个怪异的基础：事物可以同时存在，也可以不在同一时间。从量子计算机的角度来看，答案不是同时是1还是0。这使计算机可以一次考虑更多的可能性。

挑战在于，简单地说，该技术对技术要求很高。许多量子计算机必须保持接近绝对零值，这相当于在华氏温度下比零值低450多度。即使这样，围绕量子计算元素的分子运动也会使计算混乱，因此算法不仅必须包含有关操作的指令，而且还必须包含错误蔓延时的补偿方法。

“我们的目标是开发一种可以在实际的IBM量子计算机上实现的量子分类器。但是，该领域的主要量子机器学习论文具有很高的理论性，并且不存在所需的硬件。我们最终找到了Maria博士的论文Schuld是开发可实施的近期量子机器学习算法的先驱。我们的分类器以Schuld博士开发的分类器为基础。” Bekiranov说。“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的当前局限性，并且暂时只能成功地实现一个大大简化了的玩具问题。”

基因组数据分类

新算法实质上是对基因组数据进行分类。它可以确定测试样品是疾病还是对照样品，其速度比常规计算机快得多。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，则常规计算机将执行30亿次操作以对样本进行分类。新的量子算法将只需要32。

这将有助于科学家整理基因研究所需的大量数据。但这也是该技术对此类研究有用性的概念证明。

Bekiranov和他的合作者Kunal Kathuria博士之所以能够创建该算法，是因为他们接受了量子物理学的训练，甚至连科学家也常常发现它是不透明的。与医学院相比，此类算法更可能来自物理或计算机科学系。(Bekiranov和Kathuria都在医学院的生物化学和分子遗传学系进行了这项研究。Kathuria目前在利伯大脑发育研究所。)

由于研究人员的特殊技能，美国国立卫生研究院(National Institutes of Health)国家心理健康研究所的官员支持他们进行这项具有挑战性的项目。Bekiranov和Kathuria希望他们所开发的技术将对量子计算乃至人类健康大有裨益。

贝基拉诺夫说：“现在已经存在可以解决玩具问题的相对较小的量子计算机。”“开发功能强大的通用量子计算机的挑战是巨大的。随着稳步发展，它将需要多项科学突破。但是，实验物理学家和理论物理学家们一次又一次地共同面对了这些挑战。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。”