生物计算机发展趋势.docVIP

一．生物计算机的概念与种类： 生物计算机又称仿生计算机，是以生物芯片取代在半导体硅片上集成效以万计的晶体管制成的计算机。它的主要原材料是生物工程技术产生的蛋白质分子，并以此作为生物芯片。生物计算机芯片本身还具有并行处理的功能，其运算速度要比当今最新一代的计算机快10万倍，能量消耗仅相当于普通计算机的十亿分之一，存储信息的空间仅占百亿亿分之一。（摘自《百度百科》） 目前生物计算机原理可分为两个方向。一种基于神经网络原理的神经生物计算机，主要在细胞层面实现计算，突破了冯．诺依曼模型和二进制原理。另一种是仍基于冯．诺依曼模型，通过蛋白质或DNA的某些二态性，在分子生物层面进行运算的蛋白质计算机和DNA计算机。目前，受神经生物学发展的限制，神经网络计算机的研究还以仿生为主。DNA计算机被学界认为是目前较有前途的研究方向。但笔者认为神经网络计算机才是最有竞争力的生物计算机。 二．产生背景： 1．电子计算机逃脱不了各种传输门延迟时间的束缚. 作为计算机核心元件的大规模集成电路多以硅为材料.按传统工艺,在硅片上集成度有一定的限量若提高了集成度,电路密集引起的散热问题又难于解决我们从一个全新的角度来考虑计算机的构造生物计算机的优点：1. 体积小,功效高1mm2的面积上可容数亿个电路,比目前的电子计算机提高了上百倍2. 若能使生物本身修复机到发挥，即使芯片出了故障也能自我修复，可靠性高。 3. 生物计算机具备并行处理能力，尤其是生物神经计算机，具备很好的并行式分布式存储记忆，广义容错能力。在处理玻尔兹曼自动机模型和一些非数值型问题时表现出巨大潜力。真正摆.脱冯诺依曼模型，真正实现智能。 四.生物计算机的主要技术 （一）DNA计算机技术： DNA具有极强的信息存储能力。一立方米DNA溶液可存储一万亿亿的二进制的数据，远远超过了目前所有的电子计算机的储存量。目前，普林斯顿大学已完成试管中的DNA计算实验。但众所周知，试管实验本身具有极强的不精确性。在宏观尺度上，无载体DNA链的解旋和基于PCR技术的复制都极易出错。更可怕的是在数据量增大时，从溶液中分离DNA链成为几乎不可能完成的任务。因此，将DNA碱基固定在芯片上应是最佳选择。事实上，基因芯片早已应用于基因测序等生物工程领域。只要将5碳糖连在玻璃片或碳纤维片等载体上即可。 DNA芯片同样需要编码。编码方法是研究怎样把一个问题进行编码能生成问题所有无重复的可能的潜在解，其中比较著名的方法有Wisconsin大学的A.G.Frutos等提出的模板影射方法和Feldkamp等提出的最小长度字串方法, （1）模板影射方法 模版影射方法是将DNA 分子的编码过程分为二步：1．搜索满足一定条件的二进制串作为模板集合T，其中“1”代表A/T的位置，“0”代表G/C的位置；2．搜索满住一定条件的编码二进制串作为集合M，然后由：最终得到所期望的DNA编码序列集合S，其规则为。 （2）最小长度子串方法 Feldkamp等提出的最小长度子串评价方法：所有DNA序列（长度）间的相同子串的长度为，而长度为n-1的子串在编码集合中最多只能出现一次.于是可以定义为： . DNA序列间的相似度，显然 越大，DNA分子的相似度就越小出错杂交的几率也就越小.这与Baum提出要求任意DNA分子间的相同或互补序列的长度不大于一个任意一个正整数k相似.但是，在实际涉及设计中究竟k制取多大目前还难以确定. 他们的搜索方法如下： (1)产生所有长度为的基础串(base strand)集合; (2)过滤掉各种不满足条件的基础串如回文结构,CG含量,启动子，多聚GGG等. (3)随机选取一个的基础串作为有向树的树根;然后去掉树根顶点的第一个字母,在其末尾分别加上4各碱基A,C,G,T生成4个树叶顶点;重复此过程直到生成长度为 的有向路. (4)对新生成的DNA序列用各种不同的过滤器进行过滤,如CG含量、解链温度,酶识别序列,同源性等; (5)如果新生成的DNA序列满足要求,就将其加入新生成的序列合并中止该有向树搜索过程;否则就回到上一顶点直到遍历完整个有向树; (6)重复(3) (4) (5)步直到基础串集合变为空集.[2] 此算法不仅基于碱基种类，还基于DNA链的长度。因此可能无法离开溶液。而且DNA生成所使用的PCR技术由于要经历退火，一般会有千分之二左右的错误概率。所以笔者认为可行性并不大。 DNA计算机的发展趋势： 虽然DNA计算机是目前可行性最强的生物计算机，但它最终没有跳出冯．诺依曼模型的思维局限。单纯的DNA操作也不可能实现生物的自我修复功能，二进制的理论机制也不可能实现和人脑的有机融合。在实现学习等高级功能时也必将困难重重。一定程度上，这种生物计算机和现有的电子计算机没有本质区别，只是运算速度大大提高而已。目前，光子