Tecno Núcleo

Una nueva clase de bit

La computación cuántica empezó siendo el sueño de un teórico, el notoriamente caprichoso (por no decir fantasioso) premio Nobel Richard Feynman, que empezó a impulsar el tema en 1981. A finales de los 80's, por lo menos media docena de físicos y científicos de la computación estaban trabajando activamente en el campo. Chuang entró en contacto con el tema en 1987.

Para la codificación de información el mundo subatómico está lleno de opciones si-no que hacen fácil el trabajo. La mayoría de las partículas, incluyendo electrones, protones y hasta los efímeros paquetes de luz llamados fotones tienen una especie de movimiento rotatorio incorporado que es llamado "spin". Se podría decir que una partícula girando en alguna dirección representa un 1 binario, y si está girando en la opuesta, representa un 0. Una vez que está codificada la información, dice Chuang, el mundo subatómico ofrece también diferentes maneras de procesarla: campos magnéticos, fotones "ruteados" a través de polarizadores, espejos y divisores de haz, etc.

Hay una diferencia crítica con las computadoras convencionales. Éstas también son binarias, pero en ellas cada bit de información es "verdadero" o "falso", "on" o "off", "1" o "0". Pero al nivel de las partículas subatómicas, casi nada es absoluto. Un electrón tiene una probabilidad de girar en una dirección o en otra pero, salvo que una medición fuerce la cuestión, no se puede decir en qué dirección está girando. Sucede que el electrón en sí mismo está indeciso, o sea que cada bit de información cuántica estará no decidido. En vez de tener un-valor-u-otro el qubit tendrá tanto-uno-como-otro, un cero y un uno simultáneamente.

Esta ambigüedad tiene temibles consecuencias, sobre todo cuando se considera más de un qubit. Un par de ellos puede existir simultáneamente como todos los posibles números de dos bits ( 00, 01, 10, 11) y un trío puede existir simultáneamente como todos los posibles números de tres bits (000, 001, 010, 011, 100, 101, 110, 111), n qubits representarán 2n números... simultáneamente. Chuang opina que así una computadora cuántica podría tomar y procesar simultáneamente todas las posibles combinaciones de valores de sus entradas, en un paralelismo total. Dado el tipo adecuado de problema y una cantidad suficiente de qubits, podría ser varios órdenes de magnitud más rápida que sus contrapartes convencionales. No explica como puede saberse qué conjunto de respuestas corresponde a qué conjunto de entradas. A mí me suena, más que a ambigüedad, a caos. Pero cosas más insensatas se han visto y han funcionado, además.

El ataque de los algoritmos

Bueno: ¿esto cómo se hace? Feinman y otros teóricos del tema enfocaron la computación cuántica como una abstracción matemática, y es muy prudente de su parte. Construir una computadora cuántica real es, según Chuang, desesperadamente difícil y podemos creer en su palabra. Para que el sistema sirva de algo es imprescindible asegurar que los qubits mantengan su estado de indecisión igual a sí mismo, que esa increíblemente frágil mezcla cuántica de 1 y 0 no altere sus probabilidades, o sea que permanezcan, como dicen los físicos, "coherentes". Un empujón de una molécula perdida de aire, un retorcijón del campo magnético, una carambola de un fotón aleatorio, un estornudo en la otra cuadra, pueden hacer que la coherencia se desplome y en la computadora cuántica quedará un lote aleatorio de 1's y 0's.

"La mecánica cuántica se desvanece cuando uno la mira" suspira Chuang "así que la computadora tiene que estar extremadamente bien aislada del resto del mundo." ¿Pero entonces, cómo hace uno para ingresar datos y leer los resultados? Este es el problema fundamental de la computación cuántica: cómo controlar algo, si al mismo tiempo no se lo puede afectar de ninguna manera. Como este problema no encontraba respuesta y no había aplicaciones prácticas a la vista que hicieran necesaria o al menos conveniente la computación cuántica, el tema casi pasó al museo de las curiosidades científicas. Se salvó por la aparición de dos desarrollos, uno teórico y uno práctico.

Del lado teórico, Peter Shor, del laboratorio de investigaciones de AT&T, descubrió un algoritmo de factoreo para números muy grandes, de la clase que se usan para quebrar una buena parte de los actuales sistemas de encriptación. El tiempo que lleva el proceso de factoreo en una computadora convencional crece exponencialmente con el tamaño del número y se vuelve rápidamente impracticable. Shor demostró que en una computadora cuántica el tiempo requerido con el algoritmo que él había desarrollado crece sólo como una potencia del tamaño del número. O sea, todavía es una larga historia, pero ya no es imposible, ni siquiera impráctico, para las encriptaciones actualmente en uso. Esto hizo que todo el mundo (incluyendo la Agencia Nacional de Seguridad, el Pentágono y los criptógrafos) no pudiese seguir considerándolo un juguete teórico.

Del lado práctico y experimental, Chuang (un tipo obstinado, evidentemente), que entonces estaba en la California University de Santa Bárbara y Neil Gershenfield, del MIT, encontraron una forma de construir algo así. Decidieron olvidarse de electrones y fotones y usar directamente núcleos atómicos para sus qubits. En un núcleo lo que verdaderamente tiene spin son las partículas componentes, neutrones y protones y en la mayoría de los núcleos estos spins se compensan mutuamente, pero hay unos pocos isótopos en los que los spins de algunas pocas partículas quedan desapareados, dejando un spin neto en una u otra dirección. Además, cada núcleo está protegido de toda interferencia externa por su propia densa nube de electrones. Una vez que uno alinea sus spins, van a quedar como están durante horas o días, lo que es un tiempo larguísimo en un tal sistema de computación. Y, a diferencia de otras formas alocadas de computar, no es necesario nano-fabricar nano-estructuras para tener qubits. Las moléculas con esos isótopos ya existen y además los spins dentro de algunas moléculas interactúan de la forma más conveniente. Por ejemplo una molécula de cloroformo tiene un átomo de carbono ligado a tres átomos de cloro y uno de hidrógeno. Cuando el átomo de carbono y el de hidrógeno están girando en el mismo sentido, sus niveles de energía son mesurablemente diferentes de los que tienen si están girando en distintos sentidos.

Por último, señala Gershenfeld, existe una tecnología, ya muy desarrollada, para detectar esos spins. Se llama Resonancia Magnética Nuclear (RMN) y se la usa rutinariamente en análisis químicos y en scanners hospitalarios. Adaptar los espectrómetros comerciales para la computación cuántica es un trabajo fácil. Para realizar una operación lógica del tipo if-then con un átomo de cloroformo hay que suspender las moléculas de cloroformo en un solvente y poner una muestra en el campo magnético principal del espectrómetro, para alinear los spins nucleares. Luego se impacta la muestra con un breve pulso de radio-frecuencia que tenga justo la frecuencia adecuada y el spin del hidrógeno va a saltar o no, según lo que esté haciendo el átomo de carbono. Suena simple ¿no?

Simultáneamente con este desarrollo de Chuang y Gershenfeld, los expertos en RMN de Harvard University David Cory y sus colegas estaban desarrollando la misma propuesta en forma independiente. A partir de allí el interés en el campo resurgió furiosamente.

En los años siguientes Shor y otros desarrollaron una variedad de esquemas de corrección de errores cuánticos que permiten a los dispositivos reparar los daños causados por perturbaciones ambientales y devolver su coherencia a los qubits. Así las computadoras cuánticas serían menos frágiles de lo que al principio se supuso. Lov Grover de los Bell Labs de Lucent Technologies descubrió un algoritmo de búsqueda cuántica sustancialmente más veloz que sus mejores contrapartes convencionales. Chuang demostró este algoritmo en "computadoras" de dos y tres qubits.

Ahora Chuang y Gershenfeld están trabajando en un consorcio a nivel nacional con miembros del MIT, de Standford, de la Universidad de California en Berkeley, IBM y otros socios industriales. El equipo de Cory que está trabajando en una demostración a través del MNR del algoritmo de Shor está trabajando también con especialistas del MIT. Ambos grupos reciben fondos de DARPA (Defense Advanced Research Proyects Agency). No me imagino por qué.

Haciendo Magia

Si pensaban comprar una lap-top cuántica en un futuro próximo, olvídenlo. La computación cuántica todavía está en su etapa de "principios básicos" y le falta mucho para evolucionar hasta el nivel que tenían las computadoras convencionales (a válvulas) de la Segunda Guerra Mundial. Es mucho más factible incluir elementos cuánticos como coprocesadores en máquinas convencionales, para que se hagan cargo de algunas tareas específicas (aún no se sabe cuáles). El estudio de algoritmos cuánticos está aún en pañales y la computación cuántica no es siempre la más rápida. Esta tecnología tiene una cierta forma de atacar los problemas. Todavía no se sabe qué hace que un problema pueda ser atacado exactamente de esa forma.

Uno de los factores que van a determinar en la práctica el uso de los coprocesadores cuánticos es su costo, un factor, por ahora, indeterminado. En las instalaciones de Almadena el centro de la computadora cuántica de Chuang es pequeño y barato, un tubo de ensayo con una solución de moléculas que contienen qubits. Pero el espectrómetro RMN es un cilindro plateado de tres metros de alto, rodeado de macizos de cables y tubos (estos últimos son parte del sistema de circulación de helio líquido que enfría los magnetos superconductores del espectrómetro). Si los futuros coprocesadores siguen este patrón, van a ser monstruos enormes de costo multimillonario, que ocuparán toda una habitación y que sólo los gobiernos podrán costear, para usarlos en tareas de seguridad, como la criptografía.

Pero esto no es inevitable. El grupo de Gershenfeld en el laboratorio de medios del MIT está trabajando en una computadora-RMN compacta, capaz de funcionar a temperatura ambiente, de la que se espera que sea un prototipo de coprocesador cuántico y sirva como núcleo de periféricos baratos que puedan instalarse sobre un escritorio. Esto motivaría a una generación de hackers cuánticos que, como sus antecesores en los comienzos de las PC, crearán una profusión de innovativo software cuántico.

Por ahora Chuang y su equipo está tratando de manejar y hacer aumentar (lentamente) las cantidades de qubits que se pueden usar. En marzo, el Laboratorio Nacional de Los Álamos anunció una computadora de 7 qubits. Uno de los problemas es que, si bien esto no requiere nano-estructuras nano-fabricadas, sí necesita moléculas especialmente ingenierizadas, para que tengan un comportamiento específico. La mayoría de las moléculas complejas son compuestos de carbono, cuyo isótopo más común, el carbono-12, no tiene spin. Las moléculas de cloroformo de Chuang estaban construidas en base al mucho más escaso y caro carbono-13, que sí tiene spin neto. Una computadora realmente útil necesitaría cientos o, probablemente, miles de qubits, presumiblemente dispuestos en alguna clase de polímero de cadena larga. Pero construir y estabilizar el polímero adecuado y aprender a hacer RMN sobre él va a representar muchos años de investigación.

Ni siquiera es seguro que el RMN sea la respuesta última al problema de la computación cuántica, como no lo fueron los tubos de vacío a la computación convencional. Hay un enfoque llamado de "trampa de iones" (ion trap) en el que los qubits son átomos ionizados suspendidos en un campo eléctrico oscilante, pero, por ahora, viene siendo horriblemente difícil de implementar, pese a algún éxito inicial del físico Christopher R. Monroe y su equipo en el National Institute of Standards and Technology en Boulder, Colorado. Si alguna vez se consigue que funcione, es un sistema muy limpio y elegante de programar. También se está intentando usar "puntos cuánticos" (quantum dots), donde los qubits serían electrones encerrados en una distribución de minúsculas estructuras grabadas en la superficie de un cristal de silicio. Y también el enfoque del cristal líquido y el de la red cristalina, etc., etc.

Gershenfeld opina que esta miríada de posibilidades es una de las cosas que provocan tanta excitación alrededor del tema. Que se sienta como una ciencia completamente nueva. Los científicos de computación tienen que aprender física y los físicos tienen que aprender ciencias de la computación y en ambos casos esos conocimientos no encajan del todo con su marco mental previo de referencia. Ambos bandos se enriquecen al aprender un nuevo lenguaje para describir el mundo, pero quizás la fuente más profunda de excitación es la forma en que la computación cuántica amplía nuestro horizonte intelectual. Chuang afirma que no está en esta tarea sólo para lograr computadoras cuánticas, sino porque lo que realmente se sabe sobre computación es muy poco. Durante 50 años hemos estado enfocándonos en una sola técnica de computación, afirma, refiriéndose a los microchips basados en la dicotomía on-off de la lógica binaria. Este nuevo emprendimiento, según Chuang, lleva a plantear una cuestión más fundamental: Qué se necesita para realizar una computación y cómo y si podemos manipular las leyes de la naturaleza para que lo haga por nosotros. O sea: ¿no habría que extender el concepto de "computar"? Fascinante idea.

La computación amorfa

La investigación en bio-computación combina dos campos preestablecidos, las ciencias de la computación y la biología, pero no se enmarca confortablemente en el contexto de ninguna de las dos. "Típicamente, en biología uno trata de hacer ingeniería inversa sobre circuitos que han sido ya diseñados y construidos por la evolución", dice Michel Elowitz, miembro del doctorado de la Universidad Rockefeller. Lo que Collins, Elowitz y otros están tratando de hacer es diseñar para construir, hacer ingeniería hacia adelante de circuitos biológicos, o construir circuitos nuevos partiendo de la materia prima más elemental. Trabajo de ingenieros. Pero, de todas maneras, las herramientas que utilizan son las mismas que usan los biólogos celulares y moleculares. Y trabajar en una mesada de laboratorio de biología no es fácil para los científicos en computación y los ingenieros. Están acostumbrados a máquinas que en forma determinista y rutinaria ejecutan los comandos que ellos ingresan. En el laboratorio de biología, en cambio, según afirman las leyes de Murphy: "en condiciones de experimentación cuidadosamente controladas, los organismos vivos hacen exactamente lo que se les da la realísima gana".

De todas maneras, el trabajo se está haciendo. En la universidad de Boston, Gardner, un físico convertido en científico de la computación dedicó la mayor parte de un año, trabajando con Collins, para construir un modelo matemático para su "switch" genético de 1 bit (ditto flip-flop), antes de encarar la ardua tarea de implementar el modelo en el laboratorio. El flip-flop, explica Collins, se construye con dos genes que son mutuamente antagónicos: cuando uno está activo, o "expresado" apaga al otro y viceversa y se supone que el cambio entre estos dos estados se dispararía con alguna influencia externa, un cambio químico o térmico. Uno de los dos genes produce una proteína que es fluorescente bajo luz láser y que los investigadores pueden usar para detectar cuando el par conmuta entre estados.

En enero, en la revista Nature, Gardner, Collins y Charles Cantor (biólogo de la Universidad de Bostón, uno de los líderes del proyecto Genoma Humano), describieron cinco de estos flip-flop, que Gardner había construido e insertado dentro de una bacteria E. Coli. Gardner dice que el flip-flop es el primero de una serie de lo que él llama "applets" genéticos que espera crear. Un "applet" es un pequeño programa, usualmente escrito en Java, que se pone en una página WEB, y realiza una función específica. Los "applets" pueden combinarse para formar un programa completo y Gardner cree que pude construir un arreglo de partes genéticas combinables y usarlas para programar células para que realicen nuevas funciones. Por ejemplo, en el "dosificador de insulina", un "applet" genético mediría la cantidad de glucosa en el torrente sanguíneo del paciente diabético y estaría conectado a un segundo "applet" capaz de sintetizar insulina. Un tercer "applet" podría añadirse para condicionar el funcionamiento del sistema a eventos externos, permitiendo a los médicos activar y desactivar la producción automática de insulina manualmente.

Los "switchs" no son una novedad en biología. Roger Brent, director asociado de investigación en el Instituto de Ciencias Moleculares de Berkeley, dice que los biólogos conocen toneladas de células que existen en dos estados y cambian dependiendo de eventos externos y que los ingenieros genéticos "han fabricado y usado esta clase de "switch" con creciente sofisticación desde los '70". Lo que él encuentra más intrigante sobre el conmutador genético de los investigadores de la Boston University es que puede ser solamente el comienzo. Podría haber células de cuatro estados, o más. Se podría conseguir una célula que exista en un gran número de estados independientes y que algunas cosas dentro de la célula hagan que la célula pase de un estado a otro en respuesta a distintos estímulos. Brent continúa: "¿Si uno tiene 16 estados en una célula y la habilidad para hacer que la célula se comunique con sus vecinas, ¿se podría hacer algo con eso?".

Solita, una célula con 16 estados no puede hacer demasiado, pero si uno combina mil millones de estas células se tiene un sistema con 2Gb de capacidad de almacenamiento. Potencialmente se puede tener un millón de veces más memoria que las mayores computadoras de hoy en día, y miles de millones de procesadores, implementados en algo así como una cucharada (con cuchara de té) de bacterias programables. ¿Pero cómo podría uno programar semejante máquina?

El proyecto de Computación Amorfa de MIT está tratando de resolver el problema de la programación. El objetivo del proyecto es desarrollar técnicas para construir sistemas auto-ensamblados, o sea técnicas que permitan a las bacterias en la cuchara de té comunicarse con sus vecinas, organizarse en una computadora que procesa la información en forma masivamente paralela y dedicarse a resolver problemas cálculo-intensivos, como romper claves de encriptación, factorear números grandes, o quizás, incluso predecir el clima (Eso si que no me lo creo).

Los investigadores del MIT se han interesado por mucho tiempo en los métodos de cálculo que emplean muchas pequeñas computadoras interconectadas, en vez de una única máquina súper-rápida. Es un enfoque atractivo, porque cuando (o cuando y si) los microprocesadores de silicio lleguen a su límite máximo de miniaturización, la única forma de conseguir computadoras más rápidas puede llegar a ser usando múltiples computadoras interconectadas. Muchos investigadores de inteligencia artificial opinan que sólo será posible obtener verdadera inteligencia en las máquinas usando millones de pequeños microprocesadores interconectados en un paralelismo masivo —esencialmente, un modelo de las conexiones entre las neuronas del cerebro humano.

En el laboratorio de biología del MIT, los investigadores están iniciando una incursión extensiva en el mundo de la Computación Amorfa: los estudiantes de Knight están desarrollando técnicas para intercambiar datos entre células y computadoras grandes; la comunicación entre componentes es un requerimiento básico para un sistema Amorfo. El grupo de Collins en la B.U. está usando calor y químicos para enviar instrucciones a sus conmutadores, mientras el equipo de Knight está trabajando en un sistema de comunicación basado en la bio-luminiscencia (luz producida por células vivas).

Hasta ahora, el trabajo va lento. Los laboratorios son nuevos y los equipos de trabajo tienen poca experiencia en materias de biología, pero también sucede que los investigadores quieren familiarizarse tanto como sea posible con las herramientas biológicas que están usando, para maximizar su control de cualquier sistema que eventualmente desarrollen. "Si uno realmente va a construir algo y quiere controlarlo —si tenemos un circuito digital del que pretendemos un comportamiento confiable— entonces necesitamos entender los componentes", dice el estudiante graduado Ron Weiss. Y, señala que la biología está plagada de fluctuaciones y el número de variables que existe es monstruoso. La cantidad precisa de una proteína en particular, producida por la célula de una bacteria, depende no sólo del tipo de bacteria y la secuencia de DNA ingenierizada dentro de la célula, sino también de condiciones de entorno como la nutrición y el "timing".

Para empezar a tomarle la mano a todas esas variables, el equipo de Knight está realizando un modelado en profundidad de unos pocos genes diferentes para la luciferasa, una enzima que permite a las luciérnagas, y otros organismos luminiscentes, producir luz. Entender el mecanismo de generación de luz de las cosas es un primer paso obvio hacia una forma confiable de comunicación entre células, ya que hay células que pueden detectar luz. Más aún, dice Knight, "si estas células supiesen donde están y fuesen conducidas como un conjunto organizado se podrían utilizar para exhibir un patrón". Por último, este equipo espera que vastos conjuntos de células interconectadas puedan, a la vez, realizar cálculos significativos y mostrar la elástica resistencia del cerebro humano.

Hacia adelante

Mientras su laboratorio —y su campo de estudio— recorren sus primeros pasos, Knight piensa en el futuro. Dice que no lo preocupa la ridícula lentitud de los actuales enfoques genéticos de la bio-computación. Hay cantidad de sistemas biológicos —incluyendo los basados en células nerviosas, como nuestro cerebro— que operan más rápido de lo que es posible cambiar genes de "on" a "off". Una neurona puede responder a un estímulo externo, por ejemplo, en cuestión de milisegundos. La contra, dice Knight, es que algunos de los mecanismos biológicos más rápidos no son, por ahora, tan bien comprendidos como lo son las funciones genéticas y, por lo tanto, son más difíciles de manipular". Knight dice que él y otros investigadores comenzaron con sistemas basados en DNA, justamente porque la ingeniería genética es algo relativamente bien comprendido. "Uno comienza con los sistemas más fáciles y después pasa a los más difíciles".

Brent, del Instituto de Ciencias Moleculares de Berkeley, cree que los actuales prototipos de bio-computadoras basadas en DNA son escalones hacia computadoras basadas en la neuroquímica. "Dentro de treinta años vamos a estar usando nuestro conocimiento del desarrollo neurobiológico para 'hacer crecer' circuitos apropiados, hechos de células nerviosas, que van a procesar información como locos", predice Brent.

Collins y Gardner han presentado solicitudes para patentar el flip-flop genético y Collins está hablando con potenciales inversores para formar la primera Compañía de Bio-computación. Intenta conseguir los fondos e iniciar la aventura en unos pocos meses. Una parte de los proyectos de esta firma requieren, dice Collins, "acoplar células con chips y usarlas —externamente al cuerpo— como elementos sensores."

Los primeros productos de esta firma en perspectiva pueden incluir un dispositivo capaz de detectar la contaminación en alimentos o las toxinas usadas en guerra química o biológica. Manteniendo las células modificadas fuera del cuerpo humano, la iniciativa esquivaría muchos escollos regulatorios de la "Food and Drug Administration" y permitiría tener un producto en el mercado en unos pocos años. Pero el objetivo a largo plazo de Collins es la terapia de genes: ubicar redes de "applets" genéticos en un huésped humano para tratar enfermedades como la hemofilia o la anemia. Otra posibilidad es usar conmutadores genéticos para controlar reactores biológicos en "tecnologías donde pueden usar células como factorías químicas para producir proteínas", dice Collins. Estos circuitos de control podrían regular la expresión de diferentes genes para producir las proteínas que interesen. Las bacterias en un bio-reactor grande podrían ser programadas para hacer distintas clases de drogas, nutrientes, vitaminas, etc.

Bueno, nuestros cerebros funcionan, aunque algunos prójimos le inspiren a uno serias dudas al respecto. Y es cierto que sobreviven (funcionando) a niveles de daño que dejarían absolutamente inutilizada a cualquier computadora. Pero lo que me parece más interesante de estas computadoras que funcionarían por medio de gérmenes, es su posibilidad de tener sensores, procesadores de información y actuadores de la misma tecnología instalados, quizás, en una misma bacteria. Eso me suena muy parecido a las "nano-máquinas" que Gregg Ewan y otros han inventado para existir en un futuro no muy lejano. No sólo diabetes y anemia y hemofilia. Puedo imaginar nano-máquinas que controlen en nosotros la ansiedad, el stress, los males más comunes en nuestra sociedad. Que mitiguen los quilombos hormonales que le fastidian la vida a la gente. Mejorarían la capacidad de concentración y, por lo tanto, de aprendizaje. Bueno, pueden hacer una lista de todas las cosas que se podrían manejar de esta manera. Amén.

Quién es quien en bio-computación

Dominós de ADN

Normalmente, el ADN existe como dos cintas entrelazadas (la familiar doble hélice) que contienen secuencias de los compuestos químicos simbolizados A, G, C, y T. Los "bloques" de ADN de Winfree están hechos anudando juntas tres o más de estas cintas, en "bloques" que miden alrededor de 15 nanómetros en su lado más largo. Aprovechando la habilidad del ADN para reconocer selectivamente otras tiras de ADN, Winfree ha "codificado" los bordes de estos "bloques" de forma que se ensamblen unos con otros en exactamente la forma correcta para formar minúsculas estructuras, hechas a medida.

La idea de bloques inteligentes de ADN tuvo su comienzo cinco años atrás, en Caltech, cuando Winfree y Paul Rothemund (un estudiante de doctorado del laboratorio de Adleman en la U.S.C.), se reunieron para discutir el primer paper sobre computación con ADN de Adleman. Entre los papers reunidos por Winfree sobre el tema del ADN estaba el de Nadrian Seeman, un químico de la Universidad de New York, que había creado cubos, anillos, octaedros y otras formas improbables a partir de la doble hélice del ADN. Winfree vio inmediatamente una forma en la que las extrañas versiones de ADN de Seeman podían ser usadas para computar. Se inspiró en la teoría de los "bloques" de Wang, un juego matemático, relacionado con los patrones que pueden crearse usando cuadrados con los lados numerados. Como en los dominós, el número en cada lado de un "bloque" determina con qué lados de otros "bloques" puede ponerse en contacto. Estableciendo diferentes conjuntos de "reglas de apareo" pueden emerger patrones muy complejos e interesantes a medida que se agregan más "bloques". Pero esto resultó ser más que un juego de dominó matemático. En los sesenta algunos matemáticos probaron que los "bloques" de Wang pueden usarse para sumar y multiplicar números. Más aún, con un conjunto adecuado de estos constructos hipotéticos se puede hacer, en teoría, cualquiera de las cosas que hace una computadora electrónica. La idea de Winfree fue una simple síntesis: usar las moléculas de ADN de Seeman como diminutos "bloques" de Wang en el mundo real. Programar el ADN de esta manera le daría a los químicos la habilidad para el control "que puede permitirles construir estructuras más complejas que ninguna de las consideradas hasta ahora", dice Rothemund.

Esta estrategia podría soslayar uno de los problemas fundamentales que han hecho de este campo un infierno desde el principio: el trabajo de laboratorio. La computación con ADN produce un gran número de respuestas rápidamente (en "el problema del viajante" de Adleman, cien billones de respuestas en menos de un segundo), pero la mayoría de ellas son repetidas y la mayor parte equivocadas. Descartar las respuestas erróneas puede ser hecho en un pestañeo en una PC, pero en el caso de Adleman requeriría varias docenas de procedimientos manuales de laboratorio. Y ése es el problema con la mayoría de los esquemas de computación con ADN: cada "operación" que se haga sobre los datos significa otro paso de laboratorio que lleva mucho tiempo. El método más trabajoso para resolver problemas de Inteligencia Artificial es, justamente, generar todas las posibles soluciones y después filtrar las erróneas. En un laboratorio biológico es aún peor.

Los "bloques" de ADN pueden resolver este problema. A diferencia del ADN usado por Adleman en su experimento original, que se combinaba aleatoriamente, los "bloques"de Winfree se combinan según un conjunto de reglas simples, que si están bien elegidas, deberían generar sólo el resultado correcto.

Trabajando con Winfree y Thom LaBean, un bioquímico de Duke, John Reif, un científico de la computación de la Universidad de Duke, planea crear un ábaco molecular simple hecho con "bloques" de ADN. El objetivo es sumar los números binarios del 0 al 8, con símbolos genéticos representando los 0s y 1s. El equipo ha diseñado un conjunto de "bloques", cada uno de los cuales representa una de las posibles columnas en una suma y las reglas para combinar correctamente las columnas están codificadas en bandas de ADN en los lados de los "bloques".

El experimento generaría varios billones de estructuras "multi-bloque", cada una de las cuales ha realizado una suma correcta de 3 bits binarios, cuyos resultados podrían leerse usando los métodos estándar para decodificar ADN. El experimento subraya las fuentes del poder potencial de las computadoras de ADN: un paralelismo masivo y de gran velocidad. Reif estima que un único tubo de ensayos de "bloques" de ADN pude realizar alrededor de 10 billones de sumas por segundo, varios órdenes de magnitud más que una computadora electrónica.

Nanotech C++

El enorme potencial de la computación de ADN mantiene el campo en movimiento, a pesar de los abrumadores obstáculos tecnológicos. Aún si esos obstáculos resultasen insuperables, el trabajo de Winfree podría significar un avance en la construcción de dispositivos ultra pequeños. El mismo Winfree piensa que la aplicacion más interesante de los "bloques" de ADN es como bloques de construcción inteligentes que se agrupan a sí mismos a escala nanométrica, formando estructuras grandes y complejas. Por ejemplo, Rothemund, Adleman y Winfree están tratando de fabricar en el mundo real una forma bidimensional, conocida como el triángulo de Sierpinsky, un complejo y hermoso fractal producido repitiendo una regla geométrica simple. El equipo planea utilizar solamente siete diferentes "bloques" de ADN. Winfree ha programado cada tipo de "bloque" para añadirse a sí mismo o no en la estructura, según las claves moleculares provistas por el borde exterior del triángulo. Este juguete, en las manos de los expertos de nano-fabricación, como Seeman de la NYU, puede conducir a métodos más fáciles para fabricar estructuras moleculares exóticas. Haría por la nano-tecnología lo que el CAD y los materiales de construcciones prefabricados han hecho por la industria de la construcción. "Un mayor control lleva a cosas que uno casi no puede imaginar", dice Seeman, que intenta aplicarlo al diseño de materiales y patrones interesantes, mucho más rentables económicamente. En su laboratorio ya están tratando de añadir nano-partículas de oro a "bloques" de ADN para hacer prototipos de circuitos eléctricos alrededor de diez veces más pequeños que las características más pequeñas grabadas en los "chips" de silicio.

Por supuesto, aclara Rothemund, hay límites a los patrones computables con "bloques" de ADN. Pero Rothemund dice que "los conjuntos simples que hemos hecho hasta ahora muestran lo bien que trabajan las operaciones básicas". También muestra cuánto tienen que aprender todavía los científicos. Winfree compara sus esfuerzos hasta la fecha con un programa de una sola línea escrito en BASIC bioquímico. Espera que lenguajes más avanzados evolucionen a medida que los investigadores dominen nuevas operaciones, como por ejemplo, remover selectivamente "bloques" de un conjunto. Winfree especula que, algún día, este creciente repertorio de componentes programables se use para construir sistemas sintéticos, que podríamos llamar nano-robots, capaces de desempeñar tareas útiles.

Esto puede sonar como un galimatías futurista, pero los investigadores están empezando a idear formas de hacerlo en el mundo real. En el laboratorio de Bell, Lucent Technologies, el físico Bernie Yurke, por ejemplo, está trabajando con ADN con la esperanza de ensamblar motores moleculares ultra pequeños. Yurke imagina que algún día podrán construirse motores de ADN que puedan "caminar" a través de los constructos de "bloques" de Winfree, haciendo cambios químicos en puntos específicos para establecer un patrón arbitrariamente complejo, que podría luego ser transferido a un sustrato de silicio para fabricar circuitos y transistores a escala nanométrica. "Mi esperanza es que en el futuro, estructuras electrónicas complicadas como las computadoras puedan ser hechas de esta forma", dice Yurke.

"La computación por ADN, como la computación cuántica, es muy futurista, y ambas demuestran que la computación no tiene por qué ocurrir exclusivamente en la caja que tenemos instalada sobre nuestros escritorios", dice Adleman.

Construyendo y computando con ADN