Interview mit Dr. Sandipan Mohanty

Jülicher Quantencomputer löst Protein-Puzzle

20. Januar 2023, 9:30 Uhr | Tobias Schlichtmeier
Dr. Sandipan Mohanty
Dr. Sandipan Mohanty arbeitet am Simulation und Data Lab Biology des Jülich Supercomputing Centre.
© Ralf-Uwe Limbach | Forschungszentrum Jülich

Der Physiker und Code-Spezialist Dr. Sandipan Mohanty arbeitet seit 20 Jahren an molekularbiologischen Simulationen für Superrechner. Sie helfen, die Bausteine des Lebens zu entschlüsseln und neue Einblicke in die Zellmaschinerie zu gewinnen. Nun ergeben sich neue Erkenntnisse.

Gemeinsam mit Forschern der schwedischen Universität Lund ging er einen Schritt weiter und hat das Problem der Proteinfaltung auf einen Quantencomputer gebracht. Behilflich war hierbei der D-Wave-Quantenannealer »JUPSI« der Quantencomputer-Infrastruktur »JUNIQ« am Forschungszentrum Jülich mit mehr als 5.000 Qubits. Er ist das erste Gerät dieser Größe außerhalb Nordamerikas. Im Interview erklärt Mohanty, wie die Pionierarbeit einzuordnen ist.

Worum ging es bei dieser Aufgabe, die Sie sich vorgenommen haben, Dr. Mohanty?

Was wirklich zählt, ist, dass wir die praktische Nutzbarkeit von Quantencomputern für nicht-triviale Forschungsfragen in unserem Feld aufgezeigt haben. Quantencomputer sind ja eine noch recht neue Technologie. Es ist noch nicht ganz sicher, wie man sie programmieren muss, um mit ihnen wissenschaftliche Probleme zu lösen. Das ist etwas vollkommen anderes als High-Performance-Computing (HPC) mit Superrechnern.

Konkret haben wir die Proteinfaltung anhand eines sehr einfachen Modells untersucht. Proteine sind wichtige Bausteine des Lebens. Sie erfüllen eine breite Palette von Aufgaben. Dazu gehören zum Beispiel der Transport von Stoffen und der Aufbau von Zellen. All diese Funktionen können sie nur erfüllen, wenn sie eine ganz bestimmte Form haben, die sie durch einen Prozess namens Proteinfaltung erreichen. Einer der vielen Gründe für das große Interesse an diesem Prozess ist der Zusammenhang zwischen neurodegenerativen Krankheiten wie Alzheimer oder Parkinson und der Fehlfaltung von Proteinen. Wir hoffen, dass Quantencomputer wichtige Vorteile bringen, um das Verständnis solcher Phänomene weiter zu verbessern.

Warum ist die Vorhersage der Proteinfaltung so rechenintensiv?

Proteine sind lange, flexible Ketten von Aminosäuren. Eine ihrer faszinierenden Eigenschaften ist, dass sie sich spontan zu ganz bestimmten dreidimensionalen Formen zusammenballen, wenn man sie in eine Lösung gibt, z. B. in Wasser. Im Prinzip muss man also nur die Reihenfolge der Aminosäuren kennen, aus denen eine Proteinkette besteht. Die Kette weiß dann automatisch, in welche Form sie sich falten muss.

Wenn man diesen Faltungsprozess am Computer modelliert, gibt es eine Menge auszuprobieren. Man kann sich das so vorstellen, als würde man versuchen, alle verschiedenen Möglichkeiten zu berechnen, wie man eine Halskette zusammenstellen kann, um die »beste« Anordnung zu finden. Außerdem ist die Untersuchung jeder einzelnen Anordnung sehr rechenintensiv aufgrund der großen Anzahl von Teilchen, die involviert sind. Das macht Millionen von Wechselwirkungen, diezu berücksichtigen sind.

Wie schneidet der Quantencomputer im Vergleich zu einem klassischen Superrechner ab?

Die Aufgabe, die wir gelöst haben, ist von ihrer Komplexität her noch Jahre von den Problemen entfernt, die wir normalerweise mit klassischen Superrechnern lösen. Bei Letzteren geht es üblicherweise um groß angelegte, atomgenaue Simulationen. Auf dem D-Wave-Quantenannealer haben wir dagegen ein sehr reduziertes HP-Modell verwendet. Es vereinfacht das Problem, indem es nur die wesentlichen physikalischen Eigenschaften des Faltungsprozesses beibehält. Wir ignorieren dabei das umgebende Medium. Die Aminosäuren werden in zwei Typen unterteilt und vereinfacht als Kugeln angesehen, die Positionen in einem Gitter einnehmen.

Die Untersuchung von Ketten aus 64 Aminosäuren mit einem Quantencomputer stellt selbst mit solch vereinfachten Modellen ein schwieriges Problem dar, das Ergebnis ist daher sehr beachtlich.

Entsprechende Simulationen können auch klassisch durchgeführt werden. Dazu reicht ein Notebook aus. Die Zeit für die Berechnung unterscheidet sich nicht wesentlich, in beiden Fällen dauert sie ein bis zwei Minuten. Allerdings ist dieser Wert eigentlich bedeutungslos. Viel wichtiger ist die Qualität der Ergebnisse. Und hier schneidet der Quantenannealer eindeutig besser ab. Es war relativ einfach, auf JUPSI eine Erfolgsrate von 100 Prozent beim Auffinden der Strukturen mit der niedrigsten Energie zu erreichen. Mit klassischen Computern hingegen kommen vergleichbare Simulationen für eine Kette aus 30 Aminosäuren nur auf 80 Prozent. Bei den komplexeren Proteinen, die aus 48 oder 64 Aminosäureblöcken bestehen, schneiden sie sogar noch deutlich schlechter ab. Der Quantumannealer lieferte auch hier immer das richtige Ergebnis.

D-Wave-Quantenannealer »JUPSI«
D-Wave-Quantenannealer »JUPSI« der Quantencomputer-Infrastruktur »JUNIQ« am Forschungszentrum Jülich mit mehr als 5000 Qubits.
© Sascha Kreklau | Forschungszentrum Jülich

Warum ist der Quantencomputer hier genauer als ein klassischer Rechner?

Weil er von bestimmten Aspekten der wissenschaftlichen Aufgabe profitiert. Der Rechenaufwand, um alle Protein-Konformationen auf einem klassischen Computer zu berücksichtigen, ist astronomisch hoch. Er wächst exponenziell mit der Länge der Proteinkette. Bei einer Kette aus zwei Teilchen gibt es vielleicht zehn Möglichkeiten. Bei drei Teilchen sind es schon hundert. Aber bei 100 Teilchen – was für ein Protein immer noch recht wenig ist – müsste man milliardenfach mehr Variationen berechnen, als es Atome im Universum gibt.

Um überhaupt eine sinnvolle Berechnung durchführen zu können, werden viele Tricks angewandt. Unsere Gruppe am Jülich Supercomputing Centre und meine Partner in Schweden haben sich dazu auf sogenannte Monte-Carlo-Simulationen spezialisiert. Das Verfahren basiert auf statistischer Physik und stochastischen Stichproben. Obwohl unendlich lange Simulationen garantiert korrekte Lösungen ergeben, können kurze Durchläufe große Fehler aufweisen. In der Praxis versucht man daher, die Simulationen »lange genug« durchzuführen, damit die geschätzten Fehler akzeptabel klein sind.

Hier liegt der Vorteil des Quantenannealers. Diese Maschine kann, wenn sie richtig programmiert ist, diese Annäherung auf sehr direkte Weise über ihre quantenmechanischen Kopplungen durchführen. Im Grunde handelt es sich um eine Art kompliziertes physikalisches Experiment, das die Gleichung automatisch löst. Bei unserem Problem führte das anscheinend dazu, dass vergleichsweise kurze Laufzeiten benötigt werden, um sehr gute Antworten zu erhalten. Die Tatsache, dass es in der Praxis so gut funktioniert, hat uns tatsächlich etwas überrascht.

Welche perspektivischen Anwendungsmöglichkeiten ergeben sich damit für Quantencomputer?

Unsere Arbeit ist nur ein erster Schritt. Die meisten der heutigen Quantencomputer haben lediglich einige wenige Qubits. Das D-Wave-System hat bereits 5.000, was eine Menge ist. Für die meisten interessanten Forschungsanliegen benötigt man noch mehr Qubits. Von Simulationen, wie sie in der Arzneimittelforschung auf Supercomputern durchgeführt werden, sind wir noch weit entfernt. Ich gehe davon aus, dass wir noch zwei oder drei Geräte-Generationen abwarten müssen, bevor wir solche Probleme mit einem Quantencomputer lösen können.

Ich bin hier jedoch hoffnungsvoll. Im Gegensatz zu bisherigen Forschungsarbeiten, von denen wir lernen konnten, behält unsere Formulierung ihre Einfachheit bei zunehmender Systemgröße bei. Das eröffnet einen möglicherweise einfacheren Weg, um auch wesentlich komplexere Aufgaben auf Quantencomputern zu untersuchen.


Das könnte Sie auch interessieren

Verwandte Artikel

Forschungszentrum Jülich GmbH