研究成果
美国《国家地理》杂志报道称，一年前，以色列维茨曼科学研究所的研究人员开发出一种由DNA和生物酶分子制成的可运行程序的分子计算机。这种纳米级生物计算机实际上是一个试管计算机（如上页图所示）。在此计算机中，数据用一条DNA链中的分子对表达，负责代码读取、复制和操作的是作为硬件的两种天然酶。当软硬件混合在试管中时，可对“输入分子”进行操作，然后生成“输出分子”。生物计算机耗能极小，非常适合植入细胞运行。
一个试管可容纳一万亿个此类计算机，运算速度达到每秒10亿次，精确度高达99.8%。现在，该研究所的研究人员又研制出一种速度更快的计算机。这种计算机中的DNA既可以为整个计算机提供输入信息，又可以为计算机提供运行所必须的能量。这种计算机可以算得上生物计算机上的一个巨大进步。2003年2月，吉尼斯世界纪录宣布这台计算机是世界上迄今为止最小的生物计算装置。
奥林巴斯用于基因分析的生物计算机的内部结构。这台计算机由两部分组成，即分子计算机和电子计算机部分，这种合成的计算机大大地提升了计算速度。
奥林巴斯光学工业公司于2002年1月28日宣布开发成功借助DNA之间的化学反应来分析遗传基因的生物计算机。这种计算机可用于分析SNP（Single Nucleotide POlymorphisms，单核苷酸多态性）及疾病遗传基因等。这是该公司与东京大学研究生院综合文化研究专业、生命环境科学与物理学副教授陶山明以及Novusgene公司共同开发完成的（Novusgene是由奥林巴斯和三井信息开发公司于2001年2月共同出资设立的公司）。奥林巴斯公司计划在2002年内完成这一装置的测试试验，并从2003年开始提供分析服务。
奥林巴斯的基因医疗业务推进项目研究小组负责人唐木幸子解释说：“与目前研究院等单位拥有的用于研究目的的生物计算机不同，这台装置在全球范围内率先实现了受托分析服务”。
生物计算机目前主要有以下几类：
1. 生物分子或超分子芯片：立足于传统计算机模式，从寻找高效、体微的电子信息载体及信息传递体入手，目前已对生物体内的小分子、大分子、超分子生物芯片的结构与功能做了大量的研究与开发。“生物化学电路” 即属于此。
2. 自动机模型：以自动理论为基础，致力与寻找新的计算机模式，特别是特殊用途的非数值计算机模式。目前研究的热点集中在基本生物现象的类比，如神经网络、免疫网络、细胞自动机等。不同自动机的区别主要是网络内部连接的差异，其基本特征是集体计算，又称集体主义，在非数值计算、模拟、识别方面有极大的潜力。
3. 仿生算法：以生物智能为基础，用仿生的观念致力于寻找新的算法模式，虽然类似于自动机思想，但立足点在算法上，不追求硬件上的变化。 4. 生物化学反应算法：立足于可控的生物化学反应或反应系统，利用小容积内同类分子高拷贝数的优势，追求运算的高度并行化，从而提供运算的效率。DNA计算机 属于此类。以下将着重介绍自动机模型中的计算神经网络和生物化学反应算法中的DNA计算机的模型。
计算神经网络
早在1943年心理学家W. McCulloch和数学家W. Pitts合作提出神经元的二值逻辑模型。1949年D. Hebb提出了改变神经元连接强度的学习规则，这一规则至今在各种网络模型中起着重要作用。1962年F. Rosenblatt提出感知机模型。1982年美国物理学家J.Hopfield提出一种全新的神经网络模型 ，它体现了D. Marr的计算神经理论、耗散结构和混沌理论的基本精神，用S型曲线替代二值逻辑，引入“能量”函数，使网络的稳定性有了严格的判断依据，模型具有理想记忆、分类与误差自动校正等智能。Hopfield模型的动力学特征的分析提供了有力的研究方法。
神经网络系统模拟大脑的工作方式，由大量简单的神经元广泛相互连接而成，形成一种拓扑结构。大脑具有相当高级的处理信息的能力，与传统计算机模型相比，大脑具有如下特征：首先是大规模并行处理能力，其次是大脑具有很强的“容错性”和联想功能，第三是大脑具有很强的自适应能性和自组织性。在这些方面，目前的传统计算机模型是难于实现的。
具体的神经元模型主要是如何更好地反应神经元在刺激下发放电位的本质。大多数模型把神经元之间的连接考虑成线性连接，输入层与输出层直接相连，没有中间所谓隐单元层。每个神经元只能是兴奋态或抑制态，任一神经元的输入是其他神经元的输出通过突触作用的总和。如果考虑兴奋态和抑制态之间的过渡情况，可以采用S型曲线来表征神经元的非线性输入和输出特性，如J. Hopfield模型；也可以按照统计物理学的概念和方法，神经元的输入由神经元状态更新的概率来决定，如波尔兹曼机模型；还可以在神经元的输入与输出层之增加中间变换层，如感知机模型；增加反向误差校正通道的反传播模型等等。通过对神经元的形态与功能的不同表达，可以产生不同的模型。
DNA计算机
DNA中蕴藏的超级计算
|
当采用硅芯片技术的CPU晶体管尺寸抵达最低警戒线时，生物计算领域成为人们下一代计算机的主要研究方向之一。科学家们已经能够向人们演示这些满载DNA信息的分子是如何通过特定的方式来完成计算任务。 |
|
众所周知，摩尔定律是驱动计算机产业的发动机，而计算机产业这个上万亿元产业的发展又推动着人类社会向信息时代迈进。然而，硅芯片技术还能支撑摩尔定律多少年？ 摩尔定律指出，芯片制造商们能够通过在结晶硅片上蚀刻极其细微的凹槽，使晶体管数目每隔18个月翻一番。最近，人们在市场中已经可以买到0.13微米的CPU，下一代0.09微米的CPU也正在研制中，但是这一尺寸的CPU即将走向硅芯片的终点。因为再往下发展，晶体管将变得如此之小，以致于其硅部件的尺寸将达到分子级，在这种不可思议的超近距离内，电子将产生量子效应，引起短路。 预言摩尔定律即将过时的警告早在数十年前就有人提出过，近几年来此类警告声更是不绝于耳。晶体管元件的尺寸即将抵达警戒线的最低点，即晶体管的极限线宽度为几十纳米，其绝缘层只有几个原子厚。 关键问题已经提出，寻找硅芯片技术的最佳替代品的研究工作正逐渐形成一场规模浩大的改革运动，创造21世纪硅谷的竞赛已经开始。那么，谁将成为下一代计算机的主角呢？ 目前，在全世界范围内的科学家正在进行下一代计算机研究，他们研究的主要方向有光学计算机、量子计算机和本文主要介绍的生物计算机，即DNA（Deoxyribo Nucleic Acid脱氧核糖核酸）计算机。 |
1994年,美国加州大学的L. Adleman博士在《Science》上公布了DNA计算机的理论，并成功地在DNA溶液的试管中进行了运算实验。L. Adleman博士的DNA计算机完全是一种新的观念。其基本设想是：以DNA碱基序列作为信息编码的载体，利用现代分子生物学技术，在试管内控制酶作用下的DNA序列反应，作为实现运算的过程；即以反应前的DNA序列作为输入的数据，反应后的DNA序列作为运算的结果。DNA计算机是一种化学反应计算机。到目前为止，已有人通过DNA计算机模型进行实验解决了一些基本的NP问题。如L. Adleman博士做的对货郎担问题（哈密顿图问题，HPP）的计算，和普林斯顿大学查科普顿作的可满足性问题（SAT问题） 。所谓NP问题 ，是指人们根据问题类的算法复杂程度的划分而言，与P问题相对。P问题是指算法复杂性随着问题规模的增长而呈多项式增长的算法，是可以计算的。NP问题是指指算法复杂性随着问题规模的增长而呈指数增长的算法，是实际上不可计算的。DNA计算机的构想是一种创新，具有巨大的潜力。DNA计算机运算速度快，其几天的运算量就相当于计算机问世以来世界上所有计算机的运算总量。它的存储容量非常巨大，而耗能却只有一台普通计算机的十亿分子一。当然，DNA计算机毕竟只是一种理论设想，在很多方面还相当不完善。主要表现在：
1. 构造的现实性及计算潜力。DNA计算机以编码后的DNA序列作为输入，在试管内反应完成计算，反应产物及溶液给出了全部解空间，但是最优解如何与其他解分离，怎样输出，是一个技术性极强的问题。目前还没有令人满意的输出手段。随着求解问题规模的扩大，输出将成为DNA计算机的瓶颈。
2. 运算过程中的错误问题。在扩增DNA的过程中，有较高的错配率，而且大量的DNA在几百步的反应中也会产生一些支路反应。错误会产生伪解，并增加最优解输出的难度。
3. 人机界面。怎样使得DNA计算机的输入和输出变成一般人可以接受的，否则就无法进行广泛的应用。
未来展望
目前，生物计算机仅处于起步阶段，不论如何，DNA计算机的提出拓宽了人们的视野，启发人们用算法的观念研究生命，并向众多领域提出了挑战。要想真正进入实用阶段还需要更多的时间和科学家更多的艰辛探索。但是，生物计算机可能要改变计算机的未来，在病理学和生物医学应用领域以及其他领域将发挥极为重要的作用。相信在不远的将来我们会看到生物计算机屡建奇功。
