[論文レビュー] Deterministic Function Computation with Chemical Reaction Networks

Ho-Lin Chen, David Doty+1 more|arXiv (Cornell University)|Apr 18, 2012

DNA and Biological Computing参考文献 14被引用数 5

ひとこと要約

この論文は、化学反応ネットワーク（CRN）が、そのグラフが半線形集合であるときかつそのときに限り、任意の関数 $ f: \mathbb{N}^k \to \mathbb{N}^l $ を決定的に計算できることを確立している。著者らは、反応の順序に依存しない正しい出力カウントに収束するリーダー種と反応ネットワークを用いた体系的な構築法を導入し、すべての半線形関数に対して $ O(\mathrm{polylog}\ \|\mathbf{x}\|_1) $ の期待計算時間を達成した。

ABSTRACT

Chemical reaction networks (CRNs) formally model chemistry in a well-mixed solution. CRNs are widely used to describe information processing occurring in natural cellular regulatory networks, and with upcoming advances in synthetic biology, CRNs are a promising language for the design of artificial molecular control circuitry. Nonetheless, despite the widespread use of CRNs in the natural sciences, the range of computational behaviors exhibited by CRNs is not well understood. CRNs have been shown to be efficiently Turing-universal when allowing for a small probability of error. CRNs that are guaranteed to converge on a correct answer, on the other hand, have been shown to decide only the semilinear predicates. We introduce the notion of function, rather than predicate, computation by representing the output of a function f:N^k --> N^l by a count of some molecular species, i.e., if the CRN starts with n_1,...,n_k molecules of some "input" species X1,...,Xk, the CRN is guaranteed to converge to having f(n_1,...,n_k) molecules of the "output" species Y1,...,Yl. We show that a function f:N^k --> N^l is deterministically computed by a CRN if and only if its graph {(x,y) | f(x) = y} is a semilinear set. Furthermore, each semilinear function f can be computed on input x in expected time O(polylog(|x|)).

研究の動機と目的

• 化学反応ネットワーク（CRN）の理論を予測子計算を超えて決定的関数計算へと拡張すること。
• 正しい出力カウントに確実に収束するCRNがどの関数を計算できるかを特定すること。
• 半線形関数を計算する体系的で効率的なCRN構築法を設計すること。
• 特に期待実行時間の観点から、関数計算におけるCRNの計算複雑性を分析すること。

提案手法

• 関数 $ f: \mathbb{N}^k \to \mathbb{N}^l $ の出力を、CRN内の特定の分子種の最終的カウントとして表現する。
• リーダー種を用いて計算を開始・調整し、反応の順序に依存せず収束することを保証する。
• 半線形集合の性質（ミンコフスキー和や有限和の下での閉包性など）を活用した、半線形集合理論に基づく体系的なCRN構築法を採用する。
• 加法、最大値、床除算などの基本的な算術演算を実行するサブルーチンをモジュラーに設計し、それらを組み合わせて複雑な関数を構築する。
• 確率的力学モデルを用いて期待実行時間を分析し、すべての半線形関数が $ O(\mathrm{polylog}\ \|\mathbf{x}\|_1) $ の期待時間で計算可能であることを示した。
• 任意のCRNが関数を計算するためには、そのグラフが半線形集合でなければならないことを証明し、計算可能な関数のクラスをきわめて明確に特定した。

実験結果

リサーチクエスチョン

• RQ1 どの関数 $ f: \mathbb{N}^k \to \mathbb{N}^l $ が、常に正しい出力カウントに収束するCRNによって計算可能か？
• RQ2 半線形関数を超える関数をCRNが計算可能か、あるいは計算可能な関数のクラスは厳密に制限されているか？
• RQ3 特に期待実行時間の観点から、関数計算におけるCRNの計算複雑性はいかほどか？
• RQ4 任意の半線形関数を計算するCRNを構築する体系的かつ効率的な方法は存在するか？
• RQ5 確率的離散モデルと質量作用連続モデルの両者において、関数計算の観点からCRNの挙動はどのように異なるか？

主な発見

• 関数 $ f: \mathbb{N}^k \to \mathbb{N}^l $ がCRNによって決定的に計算可能であるための必要十分条件は、そのグラフが半線形集合であることである。
• すべての半線形関数は、期待時間 $ O(\mathrm{polylog}\ \|\mathbf{x}\|_1) $ でCRNによって計算可能であり、これは入力サイズに対して効率的である。
• 構築法はリーダー種と、加法、最大値、床除算などの基本操作を実行するモジュラーなサブルーチンに依存しており、それらを組み合わせて複雑な関数を計算する。
• CRNは反応の順序や確率的変動に対して頑健であり、反応の順序に関係なく常に正しい出力カウントに収束する。
• この特徴付けはタイトである：任意の非半線形関数は、決定的にCRNで計算することはできず、初期状態を任意に与えても同様である。
• 確率的CRNとは対照的に、決定的CRNは半線形関数に限定されるが、これは誤り耐性と計算能力の間の根本的なトレードオフを示している。