L'utilizzo dei computer per studiare i polimeri è sempre stata una grande sfida per il calcolo scientifico, specialmente per biomolecole lunghe e densamente imballate, come il DNA. Nuove prospettive si stanno aprendo attraverso l'informatica quantistica. Gli scienziati hanno ora rielaborato i modelli di base dei modelli polimerici come problemi di ottimizzazione che possono essere risolti in modo efficiente con i computer quantistici. Questo nuovo approccio ha permesso di sfruttare le notevoli potenzialità di queste macchine in un contesto finora inesplorato.

Lo studio, pubblicato in Lettere di revisione fisica rivista, ha coinvolto Cristian Micheletti della SISSA, e Philipp Hauke ​​e Pietro Faccioli dell'Università di Trento.

Molti dei paradigmi del calcolo scientifico, dalle tecniche Monte Carlo alla ricottura simulata – spiegano gli autori – sono state sviluppate, almeno in parte, studiare le proprietà dei polimeri, compresi quelli biologici come proteine ​​e DNA. Da una parte, l'avanzata dei computer quantistici apre nuovi scenari per l'informatica scientifica in generale. Allo stesso tempo, richiede lo sviluppo di nuovi modelli atti a sfruttare appieno questo grande potenziale. In particolare, i computer quantistici eccellono nel risolvere i compiti di ottimizzazione. Questi problemi in genere implicano la ricerca della combinazione ottimale di variabili di sistema in base a un sistema di punteggio preassegnato.

Considerando questo, gli autori hanno rifuso i modelli polimerici di base stabilendo una corrispondenza tra ogni possibile configurazione polimerica e le soluzioni di un opportuno problema di ottimizzazione.

"Tipicamente, le catene polimeriche sono modellate direttamente come una sequenza di punti nello spazio tridimensionale. Nelle simulazioni classiche, questa catena viene poi animata tramite deformazioni progressive, imitando la dinamica del polimero in natura, " spiegano gli autori. Ora che stiamo entrando nell'era dell'informatica quantistica, diventa naturale studiare i polimeri con queste tecniche innovative. Però, le descrizioni basate su punti nello spazio 3D non possono essere facilmente utilizzate con i computer quantistici. Trovare modi per aggirare le descrizioni convenzionali dei polimeri è quindi una sfida che potrebbe aprire nuove prospettive.

Micheletti spiega che la loro "strategia era quella di codificare tutte le possibili configurazioni di un sistema di polimeri come soluzioni di un singolo problema di ottimizzazione. Il problema di ottimizzazione è formulato in termini di variabili di spin di Ising, uno dei modelli più comuni in fisica, che è risolto in modo efficiente con i computer quantistici. Per semplificare, un problema di ottimizzazione sul modello di Ising può essere visto come un puzzle da colorare. La sfida consiste nell'assegnare un colore blu o rosso ad ogni punto di un reticolo rispettando un gran numero di regole. Ad esempio, i punti A e B dovrebbero avere un colore diverso, e così dovrebbero essere i punti B e C; allo stesso tempo i punti A e C dovrebbero essere dello stesso colore. I computer quantistici sono estremamente efficienti nel risolvere tali problemi, questo è, nel trovare l'assegnazione del colore che soddisfa il maggior numero di regole date. Nel nostro caso, ad ogni soluzione trovata del problema di ottimizzazione, potremmo associare una configurazione polimerica specifica. Ripetendo la ricerca delle soluzioni, potremmo così raccogliere un numero crescente di configurazioni polimeriche, tutti statisticamente indipendenti."

Il rapido sviluppo dei computer quantistici suggerisce che queste macchine potrebbero essere utilizzate per affrontare problemi scientifici molto più complessi di quelli affrontabili dai computer convenzionali. "Ecco perché è importante fornire ora le basi algoritmiche per sfruttare le potenzialità di questo nuovo paradigma di calcolo scientifico". dicono i ricercatori. "Il nostro studio fornisce un primo esempio di come l'informatica quantistica può essere utilizzata per studiare modelli polimerici chiave. In prospettiva, perché il nostro approccio è generale, dovrebbe fornire una base per affrontare sistemi più complessi e ambiziosi, come lunghi biopolimeri in spazi ristretti, che sono anche la chiave per comprendere l'organizzazione del genoma".