Conventional electronic computers have led to remarkable technological advances in the past decades, but their sequential nature –they process only one computational task at a time– prevents them from solving problems of combinatorial nature such as protein design and folding, and optimal network routing. This is because the number of calculations required to solve such problems grows exponentially with the size of the problem, rendering them intractable with sequential computing. Parallel computing approaches can in principle tackle such problems, but the approaches developed so far have suffered from drawbacks that have made up-scaling and practical implementation very difficult. The recently reported parallel-computing approach aims to address these issues by combining well established nanofabrication technology with molecular motors which are highly energy efficient and inherently work in parallel.

In this approach, which the researchers demonstrate on a benchmark combinatorial problem that is notoriously hard to solve with sequential computers, the problem to be solved is ‘encoded’ into a network of nanoscale channels (Fig. 1a). This is done, on the one hand by mathematically designing a geometrical network that is capable of representing the problem, and on the other hand by fabricating a physical network based on this design using so-called lithography, a standard chip-manufacturing technique.

The network is then explored in parallel by many protein filaments (here actin filaments or microtubules) that are self-propelled by a molecular layer of motor proteins (here myosin or kinesin) covering the bottom of the channels (Fig. 3a). The design of the network using different types of junctions automatically guides the filaments to the correct solutions to the problem (Fig. 1b). This is realized by different types of junctions, causing the filaments to behave in two different ways. As the filaments are rather rigid structures, turning to the left or right is only possible for certain angles of the crossing channels. By defining these options (‘split junctions’ Fig. 2a + 3b and ‘pass junctions’, Fig. 2b + 3c) the scientists achieved an ‘intelligent’ network giving the filaments the opportunity either to cross only straight or to decide between two possible channels with a 50/50 probability.

The time to solve combinatorial problems of size N using this parallel-computing approach scales approximately as N², which is a dramatic improvement over the exponential (2^N) time scales required by conventional, sequential computers. Importantly, the approach is fully scalable with existing technologies and uses orders of magnitude less energy than conventional computers, thus circumventing the heating issues that are currently limiting the performance of conventional computing.

Press Contacts:

Prof. Dr. Stefan Diez
Technische Universität Dresden
ZIK B CUBE - Center for Molecular Bioengineering
Tel.: +49 (0) 351 463 43010
Fax: +49 (0) 351 463 40322
stefan.diez@tu-dresden.de

Dr. Till Korten
Technische Universität Dresden
ZIK B CUBE - Center for Molecular Bioengineering
Tel.: +49 (0) 351 210 2662
till.korten@tu-dresden.de

Press Images

Image Credits: Till Korten, B CUBE; Mercy Lard, Lund University; Falco van Delft, Philips Research

	Fig. 1a   Caption: Encoding of the combinatorial Subset Sum Problem into a lithographically defined network of nanoscale channels – green numbers label the problem’s solutions at the network’s exits.   HiRes Download: http://bit.ly/1TwWnxt
	Fig. 1b   Caption: Accumulated paths of Protein filaments exploring the network in a massively parallel fashion to arrive to the problem’s solution.   HiRes Download: http://bit.ly/1TwWnxt
	Fig. 2a   Scanning electron microscopy (SEM) capture of a split junction.   HiRes Download: http://bit.ly/1Q92SSD
	Fig. 2b   Scanning electron microscopy (SEM) capture of a pass junction.   HiRes Download: http://bit.ly/1Q96DHS
	Fig. 3a   Microtubule in channel.   HiRes Download: http://bit.ly/1QvXGHJ
	Fig. 3b   Split junction overview. Illustration of protein filaments (red) propelled by molecular motors (green) arriving at a junction where they perform a calculation operation (adding 5 or adding 0).   HiRes Download: http://bit.ly/1oF96Dm
	Fig. 3c   Microtubules crossing at pass junction.   HiRes Download: http://bit.ly/1QeaTcE

Videos:

https://www.youtube.com/watch?v=IhwOSS9w72Q (Animation)

https://www.youtube.com/watch?v=mR3Y5pwnX5U

PRESSEMITTEILUNG

25. Februar 2016

Weltweit erster Parallelrechner auf Grundlage von biomolekularen Motoren

Bahnbrechende Veröffentlichung über Entwicklung eines biologischen Rechners, der auf nanotechnologisch hergestellten Kanälen basiert und mit Hilfe von Protein-Filamenten, angetrieben durch Molekularmotoren, parallele Rechenoperationen ausführen kann

Eine Publikation, welche diese Woche in den Proceedings of the National Academy of Sciences veröffentlicht wurde, beschreibt einen neuartigen Ansatz für einen Parallel-Rechner, welcher auf einer Kombination von Nanotechnologie mit biomolekularen Motoren basiert und auf die Lösung mathematischer Probleme spezialisiert ist, die ein herkömmlicher Rechner nur schwer lösen kann. Beispiele für solche Probleme sind das Optimieren von Schaltkreisen, Proteinfaltung oder Routenplanung. Die bahnbrechende Methode wurde von Forschern der Technischen Universität Dresden und des Max-Planck-Institutes für Molekulare Zellbiologie und Genetik, Dresden, in Kollaboration mit internationalen Partnern aus Kanada, England, Schweden, den USA und den Niederlanden entwickelt.

Herkömmliche Computer führten zu beachtlichen technologischen Entwicklungen in den vergangenen Jahrzehnten. Allerdings limitiert deren lineares Vorgehen – also das Lösen von Aufgaben nacheinander – die Berechnung kombinatorischer Probleme wie zum Beispiel Proteindesign und –faltung, optimierte Schaltkreise oder Routenplanung. Das liegt daran, dass bei diesen Problemen die Zahl der nötigen Berechnungen exponentiell mit der Größe des zu lösenden Problems steigt. Dies führt dazu, dass die schiere Anzahl an Rechenoperationen einen herkömmlichen, sequentiell rechnenden Computer schon bei relativ kleinen Problemen überfordert. Paralleles Rechnen kann solche Probleme prinzipiell lösen, allerdings hat es noch keine der bislang entwickelten Methoden zur Anwendungsreife gebracht. Der von den Wissenschaftlern nun beschriebene Ansatz zielt darauf ab, dies zu ändern, indem etablierte Nano-Fertigungsmethoden mit der Verwendung von biomolekularen Motoren der Zelle kombiniert werden. Diese Motoren sind hochgradig energie-effizient und können von Natur aus hochparallel arbeiten.
Die Methode wurde von den Forschern am Beispiel eines klassischen kombinatorischen Problems getestet. Das zu lösende Problem wurde mittels eines Netzwerks von Nanokanälen auf einem Trägersubstrat ‚codiert‘ (Abb. 1a). Dazu musste zunächst ein mathematisch berechnetes, geometrisches Netzwerk entworfen werden, welches die Problemstellung geeignet repräsentiert. Im nächsten Schritt wurde dieses Kanal-Netzwerk mit Hilfe von Lithographie – einer herkömmlichen Methode zur Herstellung von Siliziumchips – physisch nachgebaut.

Dieses Netzwerk wird nun von vielen Protein-Filamenten (hier Aktinfilamente oder Mikrotubuli) zeitgleich durchlaufen, welche von Motorproteinen (hier Myosin oder Kinesin) am Boden der Kanäle angetrieben werden (Abb. 3a). Der Aufbau der Kreuzungen zwischen den Kanälen des Netzwerkes bewirkt, dass die Proteinfilamente alle möglichen Lösungen des Problems finden (Abb. 1b). Dafür sind lediglich zwei verschiedene Typen von Kreuzungspunkten nötig: ‚Verteilungskreuzungen‘ (Abb. 2a und Abb. 3b) verteilen die Filamente auf alle möglichen Lösungen und ‚Durchlaufkreuzungen‘ (Abb. 2b und Abb. 3c) sorgen dafür, dass die Filamente einen korrekten Lösungsweg nicht verlassen. So erreichten die Wissenschaftler ein ‚intelligentes‘ Netz, welches die Kraft biomolekularer Motoren für grundlegende Rechenaufgaben nutzbar macht.

Bildunterschriften:

Abb. 1a
Bildunterschrift: Die Kodierung des kombinatorischen Subsummen-Problems in einem lithographisch erzeugten Netzwerk von nanoskaligen Kanälen - grüne Zahlen markieren die korrekten Lösungen des Problems an den Ausgängen des Netzwerks.

Abb. 1b
Bildunterschrift: Kumulierte Pfade von Protein-Filamenten, die das Netzwerk in hochparalleler Weise durchlaufen, um schließlich zu den Ausgängen zu gelangen, die den korrekten Lösungen des Problems entsprechen.

Abb. 2a
Bildunterschrift: Bild einer ‘Verteilungskreuzung’, aufgenommen mit einem Rasterelektronenmikroskop.

Abb. 2b
Bildunterschrift: Bild einer ‘Durchlaufkreuzung’, aufgenommen mit einem Rasterelektronenmikroskop.

Abb. 3a
Bildunterschrift: Durch biomolekulare Motoren angetriebener Mikrotubulus im Kanal.

Abb. 3b
Bildunterschrift: Schema einer ‘Verteilungskreuzung’. Protein-Filamente (rot), angetrieben von Molekularmotoren (grün), treffen an einer ‚Verteilungskreuzung’ ein, wo sie eine Rechenoperation ausführen (Fünf addieren oder Null addieren).

Abb. 3c
Bildunterschrift: Gleitende Mikrotubuli kreuzen sich an einer ‚Durchlaufkreuzung‘.