Ученые из Калифорнийского технологического института совершили прорыв в области молекулярных вычислений, создав первую нейронную сеть на основе ДНК с функцией самообучения. Эта революционная система обрабатывает информацию не через электрические сигналы, как традиционные компьютеры, а посредством химических реакций между молекулами ДНК.

Исследование, опубликованное в престижном журнале Nature, открывает совершенно новые горизонты для создания «умных» лекарств и адаптивных материалов. В отличие от обычных нейросетей, работающих на электронных компонентах, данная система функционирует в биологической среде, имитируя процессы обучения живых организмов.

Способность системы к самостоятельному формированию «воспоминаний» через химические сигналы представляет собой качественно новый подход к молекулярным вычислениям. Разработка базируется на более ранних исследованиях 2018 года, когда та же команда создала ДНК-нейросеть для распознавания рукописных цифр.

Новая система значительно превосходит своего предшественника по функциональности. Каждая нейросеть размещается в микроскопической капле, содержащей миллиарды нитей ДНК более тысячи различных типов. Когда система сталкивается с молекулярным представлением рукописной цифры, она активирует специальные молекулярные «провода», создающие связи между числом и его характерными особенностями.

Принцип работы системы основан на химическом кодировании информации. Молекулярные «изображения» формируются из двадцати уникальных нитей ДНК, где каждая нить представляет отдельный пиксель в матрице размером 10×10 элементов. По мере обучения система формирует физическую запись полученного опыта, которая сохраняется в концентрациях определенных молекул ДНК. Этот процесс напоминает формирование памяти в живых организмах, где информация кодируется через изменение химического состава.

Ключевое достижение исследователей заключается в создании системы, способной не только обрабатывать известные данные, но и применять полученные знания для анализа совершенно новой информации. Как отмечает соавтор работы Лулу Цянь, основная цель состояла в разработке молекулярной системы, которая могла бы самостоятельно выявлять закономерности в примерах и использовать эти знания для работы с ранее неизвестными данными.

Механизм обучения ДНК-нейросети демонстрирует удивительное сходство с естественными процессами адаптации. Подобно тому, как мозг перестраивается для интеграции новой информации, иммунная система химически кодирует данные о патогенах, а бактерии изучают химические градиенты для поиска пищи, созданная система развивает собственные алгоритмы решения задач через химические взаимодействия.

Практическое применение технологии открывает захватывающие перспективы для медицины и материаловедения. Исследователи видят потенциал создания «умных» лекарственных препаратов, способных адаптироваться к различным патогенным угрозам в режиме реального времени. Такие препараты смогут самостоятельно модифицировать свое действие в зависимости от конкретного заболевания или реакции организма пациента.

Не менее перспективным направлением является разработка «умных» материалов, обучающихся взаимодействию с внешней средой. Эти материалы смогут самостоятельно адаптироваться к изменяющимся условиям окружающей среды, что найдет применение в строительстве, авиации, космической технике и других отраслях промышленности. Возможность создания самообучающихся молекулярных систем открывает путь к принципиально новому поколению биосовместимых вычислительных устройств и диагностических систем.