L’ordinateur quantique résout le puzzle des protéines

Physicien et spécialiste du code, le Dr Sandipan Mohanty travaille depuis 20 ans sur des simulations de biologie moléculaire pour les superordinateurs les plus rapides au monde. De telles simulations aident à démêler les éléments constitutifs de la vie et fournissent de nouvelles informations sur la machinerie cellulaire.

En collaboration avec des chercheurs de l’Université suédoise de Lund, il est maintenant allé plus loin et a amené le problème du repliement des protéines à un ordinateur quantique. Le recuit quantique JUPSI de D-Wave de l’installation d’utilisateurs d’ordinateurs quantiques JUNIQ au Forschungszentrum Jülich compte plus de 5 000 qubits et est le premier appareil de cette taille en dehors de l’Amérique du Nord. Dans une interview, Sandipan Mohanty donne un aperçu du travail de pionnier.

Quelle était la tâche que vous vous étiez fixé, Dr Sandipan Mohanty ?

Je dirais que ce que nous avons vraiment réalisé, c’est de montrer la viabilité des ordinateurs quantiques pour des questions de recherche non triviales dans notre domaine. Les ordinateurs quantiques sont une technologie assez nouvelle et il n’est pas encore clair comment les programmer lorsque vous essayez de résoudre de vraies tâches scientifiques avec ces nouvelles machines. Par exemple, c’est assez différent de la résolution du problème avec le calcul haute performance classique.

Plus précisément, nous avons étudié avec succès le repliement des protéines à l’aide d’un modèle très simple. Les protéines sont des éléments constitutifs importants de la vie. Ils remplissent une grande variété de tâches. Ceux-ci incluent, par exemple, le transport de substances et la structure cellulaire. Et ils ne peuvent remplir toutes ces fonctions que s’ils ont une forme très spécifique, qu’ils obtiennent grâce à un processus appelé repliement des protéines.

L’une des nombreuses raisons pour lesquelles ce processus suscite beaucoup d’intérêt est le lien entre les maladies neurodégénératives telles que la maladie d’Alzheimer ou la maladie de Parkinson et le mauvais repliement des protéines. Notre espoir est que les ordinateurs quantiques auront des avantages importants qui feront progresser notre compréhension de ces phénomènes.

Pourquoi le repliement des protéines est-il si gourmand en calcul ?

Les protéines sont de longues chaînes flexibles d’acides aminés. Une propriété fascinante de ces molécules est qu’une grande partie de toutes les protéines s’accumule spontanément dans des formes tridimensionnelles très spécifiques lorsque vous les mettez dans une solution, pensez à l’eau. Donc, en principe, tout ce que vous devez savoir est la séquence d’acides aminés qui composent une chaîne protéique. La chaîne sait alors automatiquement dans quelle forme elle doit se plier.

Lors de la modélisation de ce processus de pliage sur un ordinateur, il y a beaucoup à essayer. Vous pouvez y penser comme si vous essayiez de calculer toutes les différentes façons dont vous pouvez organiser un collier, pour rechercher le “meilleur” arrangement. De plus, l’examen de chaque arrangement est également très coûteux en calcul en raison du grand nombre de particules impliquées. Cela signifie généralement des millions d’interactions à calculer pour chaque arrangement examiné.

Comment fonctionne l’ordinateur quantique par rapport à un ordinateur numérique classique ?

La tâche que nous avons résolue est à des années de complexité des problèmes que nous résolvons normalement avec des supercalculateurs classiques, où les simulations à grande échelle détaillées atomiquement sont courantes. Sur la machine D-Wave, nous avons utilisé un modèle HP très réduit. Cela simplifie massivement le problème, en ne conservant que les caractéristiques physiques essentielles minimales du processus de pliage. Nous ignorons le milieu environnant, divisons les acides aminés en seulement deux types, approchons chaque acide aminé par une seule boule qui ne peut occuper que des positions sur un réseau.

Je précise qu’à ce jour, même avec des modèles aussi simplifiés, pouvoir étudier des chaînes de 64 acides aminés à l’aide d’un ordinateur quantique est un problème difficile, ce qui rend nos résultats très satisfaisants !

Des simulations correspondantes peuvent également être réalisées classiquement. Un cahier suffit pour cela. Le temps de calcul ne diffère pas beaucoup, dans les deux cas cela prend une à deux minutes. Cependant, cette valeur n’a en fait aucun sens. Beaucoup plus important est la qualité des résultats. Et ici, le recuit quantique est clairement plus performant.

Il était assez facile d’atteindre un taux de réussite de 100% en trouvant les structures à plus faible énergie sur JUPSI. Avec les ordinateurs classiques, en revanche, des simulations comparables n’atteignent que 80 % pour une chaîne de 30 acides aminés. Pour les protéines plus complexes constituées de blocs de 48 ou 64 acides aminés, elles font bien pire, alors que le recuit quantique produit toujours le bon résultat ici aussi.

Pourquoi l’ordinateur quantique est-il ici plus précis qu’un ordinateur classique ?

Parce qu’il bénéficie d’aspects spécifiques du problème de recherche. L’effort de calcul requis avec les ordinateurs classiques pour prendre en compte toutes les conformations protéiques pertinentes est astronomique. Il croît de façon exponentielle avec la longueur de la chaîne protéique. Avec une chaîne de deux particules, il y a peut-être dix possibilités. Avec trois particules, il y en a déjà cent. Mais avec 100 particules, ce qui est encore assez peu pour une protéine, il faudrait calculer des milliards de fois plus de variations qu’il n’y a d’atomes dans l’univers.

Pour effectuer un calcul significatif, de nombreuses astuces sont utilisées. Notre groupe au JSC et mes collaborateurs en Suède sont tous deux spécialisés dans les simulations dites de Monte Carlo. C’est une procédure basée sur la physique statistique et l’échantillonnage stochastique. Bien que des simulations infiniment longues soient garanties pour produire des résultats corrects, de courtes séries peuvent avoir de grandes erreurs. En pratique, on essaie d’effectuer des simulations “suffisamment longues”, pour que les erreurs estimées soient suffisamment faibles. C’est là que réside l’avantage du recuit quantique.

Cette machine peut, si elle est correctement programmée, effectuer cette approximation de manière très directe via ses couplages de mécanique quantique. Fondamentalement, c’est une sorte d’expérience de physique complexe qui résout automatiquement l’équation. Dans notre problème, cela semble avoir pour effet que des temps d’exécution comparativement plus petits sont nécessaires pour obtenir de très bonnes réponses. Le fait que cela fonctionne si bien dans la pratique nous a cependant un peu surpris.

Quelles perspectives d’application cela ouvre-t-il désormais pour les ordinateurs quantiques ?

Notre travail ne marque qu’une première étape. La plupart des ordinateurs quantiques d’aujourd’hui n’ont que quelques qubits. Le système D-Wave en a 5000, ce qui est beaucoup. Mais pour la plupart des problèmes de recherche, les applications fructueuses des ordinateurs quantiques nécessiteraient encore plus de qubits. Nous sommes encore loin des simulations telles que celles utilisées dans la recherche sur les médicaments effectuées sur des superordinateurs. Je m’attends à ce que nous devions attendre encore deux ou trois générations d’appareils avant de pouvoir résoudre de tels problèmes sur un ordinateur quantique.

Mais j’ai bon espoir. Contrairement aux recherches existantes dont nous avons tiré des leçons, notre formulation conserve sa simplicité avec l’augmentation de la taille du système. Cela ouvre une voie possible plus fluide vers l’étude de problèmes considérablement plus complexes sur les ordinateurs quantiques.