[논문 리뷰] An algorithm for DNA read alignment on quantum accelerators

Aritra Sarkar, Zaid Al-Ars외 2명|arXiv (Cornell University)|2019. 09. 12.

Quantum Computing Algorithms and Architecture참고 문헌 27인용 수 16

한 줄 요약

이 논문은 히브리드 거리 기반 패턴 매칭을 사용한 고르버의 검색을 활용하여 약간의 오차를 허용하는 DNA 리드 정렬을 위한 양자 알고리즘인 QiBAM을 제안한다. 이 알고리즘은 고전적 방법 대비 제곱근 속도 향상을 달성하며, 색인화된 연관 메모리 기반으로 분산된 오류 내성 하위서열 매칭을 가능하게 하며, OpenQL과 QX 시뮬레이터를 사용하여 구현되고 검증되었다.

ABSTRACT

With small-scale quantum processors transitioning from experimental physics labs to industrial products, these processors allow us to efficiently compute important algorithms in various fields. In this paper, we propose a quantum algorithm to address the challenging field of big data processing for genome sequence reconstruction. This research describes an architecture-aware implementation of a quantum algorithm for sub-sequence alignment. A new algorithm named QiBAM (quantum indexed bidirectional associative memory) is proposed, that uses approximate pattern-matching based on Hamming distances. QiBAM extends the Grover's search algorithm in two ways to allow for: (1) approximate matches needed for read errors in genomics, and (2) a distributed search for multiple solutions over the quantum encoding of DNA sequences. This approach gives a quadratic speedup over the classical algorithm. A full implementation of the algorithm is provided and verified using the OpenQL compiler and QX simulator framework. This represents a first exploration towards a full-stack quantum accelerated genome sequencing pipeline design. The open-source implementation can be found on https://github.com/prince-ph0en1x/QAGS.

연구 동기 및 목표

• 대규모 DNA 서열 복원에서 발생하는 계산 병목 현상을 양자 가속을 통해 해결하기 위해.
• 오류가 발생하기 쉬운 DNA 리드에 대해 약간의 매칭을 지원하는 양자 알고리즘을 설계하기 위해.
• 다중 잠재적 정렬을 위한 양자 인코딩된 게놈 서열에 걸쳐 분산 검색을 가능하게 하기 위해.
• 근래의 양자 프로세서에 맞게 최적화된 아키텍처 인식 양자 알고리즘을 개발하기 위해.
• 전체 스택 기반의 양자 가속 유전자 시퀀싱 파이프라인의 기초를 마련하기 위해.

제안 방법

• 히브리드 거리 최소화를 오рак불 조건으로 사용하여 고르버의 검색 알고리즘을 약간의 매칭을 지원하도록 확장한다.
• 유전자 서브스트링을 효율적으로 저장하고 검색하기 위해 양자 색인화된 이중 방향 연관 메모리(QiBAM) 아키텍처를 활용한다.
• 모든 가능한 길이가 지정된 DNA 서브스트링을 중첩 상태로 인코딩하여 전체 기준 서열을 동시에 병렬 검색할 수 있도록 한다.
• 쿼리와 저장된 패턴 간의 히브리드 거리를 평가하는 상수 오라클을 도입하여 진폭 증폭을 이끄는 데 사용한다.
• 기준 서열의 인덱스를 데이터 큐비트와 얽힘을 주어 정렬 위치를 검색하도록 하며, 보정된 서열이 아닌 위치 기반 출력을 가능하게 한다.
• OpenQL을 사용하여 알고리즘을 구현하고, 전체 상태 벡터 접근을 통해 검증이 가능한 QX 시뮬레이터에서 실행한다.

실험 결과

연구 질문

• RQ1 유전체에서 리드 오류가 흔한 상황에서 양자 검색이 약간의 패턴 매칭을 지원하도록 어떻게 적응시킬 수 있는가?
• RQ2 고르버 알고리즘은 한 번의 실행으로 다수의 약간의 매칭을 위한 분산 검색을 어떻게 확장할 수 있는가?
• RQ3 고전적 히우리스틱 방법 대비 양자 기반 DNA 정렬의 성능 향상은 어느 정도인가?
• RQ4 유전자 서브스트링의 효율적 인덱싱을 지원하기 위해 양자 연관 메모리는 어떻게 구성할 수 있는가?
• RQ5 현재의 양자 시뮬레이터에서 제한된 큐비트 수를 고려할 때 이 알고리즘은 어느 정도로 실제로 실행되고 검증될 수 있는가?

주요 결과

• QiBAM 알고리즘은 고르버의 검색 프레임워크 내 진폭 증폭을 활용하여 고전적 하위서열 정렬 알고리즘 대비 제곱근 속도 향상을 달성한다.
• 정확한 패턴 CA가 기준 서열에 존재하지 않을 경우, 히브리드 거리 1(예: AA, TA, CG, CC)을 가진 약간의 매칭을 성공적으로 탐지한다.
• QX 시뮬레이터에서의 수치적 결과는 분석적 추정치와 일치하며, 감소하는 히브리드 거리에 따라 예상되는 확률 증폭 경향을 확인한다.
• 기준 서열의 인덱스 레지스터를 데이터 큐비트와 얽힘을 주어 정렬 인덱스를 정확히 검색함으로써, 전체 서열 복원 없이도 위치 기반 출력을 가능하게 한다.
• OpenQL과 QX 시뮬레이터를 사용한 전체 스택 구현은 짧은 크기의 DNA 테스트 케이스(예: 길이 2 서브스트링)에서 기능적 정당성을 입증한다.
• 이 방법은 원칙적으로 더 긴 서열로도 확장 가능하며, 변량 혼합 양자-고전적 방법을 사용하여 근래의 NISQ 장치에 적응시킬 수 있다.