Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
열역학적 컴퓨팅을 활용하여 mRNA 코돈 최적화 문제를 해결하는 새로운 하드웨어 기반 접근 방식을 제안합니다. 기존 GPU 대비 약 10^6배의 에너지 절감 효과를 보여주며, 제약 R&D 분야의 에너지 효율적인 계산 가능성을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기계산(Computation)을 위한 에너지 수요의 증가는 점점 더 지속 불가능해지고 있습니다. 물리적 열적 요동(Thermal fluctuations)을 억제하기보다는 계산 자원으로 활용하는 열역학적 컴퓨팅(Thermodynamic computing)은 확률적(Probabilistic) 및 조합적(Combinatorial) 작업에서 수십 배의 에너지 절감을 제공합니다. 계산 최적화와 샘플링(Sampling)에 크게 의존하는 제약 연구개발(Pharmaceutical R&D)은 자연스러운 응용 분야입니다. 본 논문에서는 우리가 알기로는 프로토타입 측정에 기반한 에너지 추정치를 포함하여, 열역학적 하드웨어에 매핑된 최초의 구체적인 제약 분야 응용 사례를 제시합니다. 우리는 약물 개발에서 일상적으로 해결되는 조합 문제인 mRNA 코돈 최적화(Codon optimization)를 이징 모델(Ising model)로부터의 샘플링 문제로 축소하여, 열역학적 샘플링 유닛(Thermodynamic sampling unit, TSU)에서 직접 실행할 수 있도록 만들었습니다. SARS-CoV-2 스파이크 단백질을 대상으로 세 가지 접근 방식(Potts 샘플링, Ising 샘플링, 유전 알고리즘(Genetic algorithm) 베이스라인)을 벤치마킹한 결과, 모든 방식이 유사한 최적화 품질(점수 ~234-240)을 달성함을 확인했습니다. 그러나 검증된 하드웨어 모델에 기반한 에너지 추정치에 따르면, TSU는 기존의 GPU보다 약 10^6배 적은 에너지를 사용하여 이 문제를 해결할 수 있음을 나타냅니다. 모든 코드는 오픈 소스 라이선스(Open-source license)로 공개됩니다.