자연 컴퓨팅

자연 computing,[1][2]또한 자연 연산은 용어 방법 세가지 등급:자연에서 소설 문제 해결 기술의 발전을 위해 1)들을 영감,을 포함하기 위해 도입 2)그 컴퓨터가 자연 현상을 합성하기의 용도를 바탕으로;그리고 3)은(천연 자원들을 고용하고 있다.예:분자)를 계산한다.이 세 가지를 구성하는 주요 연구 분야는 인공신경망, 진화 알고리즘, 군집지능, 인공면역시스템, 프랙탈 기하학, 인공생명, DNA 컴퓨팅, 양자컴퓨팅 등이다.null

자연 컴퓨팅에 의해 연구된 계산 패러다임은 자기 복제, 뇌의 기능, 다윈의 진화, 집단 행동, 면역 시스템, 생명체의 정의 특성, 세포막, 형태생식과 같은 다양한 자연 현상으로부터 추상화된다.이러한 계산 패러다임은 기존의 전자 하드웨어 외에도 생체분자(DNA, RNA)나 갇힘이온 양자 컴퓨팅 소자와 같은 대체 물리적 매체에서 구현될 수 있다.null

자연에서 일어나는 프로세스를 정보처리라고 볼 수 있다.이러한 과정에는 자가조립, 발달과정, 유전자조절망, 단백질-단백 상호작용망, 생물학적 운송(능동적 운송, 수동적 운송)망, 단세포 유기체에서의 유전자조립 등이 포함된다.생물학적 시스템을 이해하려는 노력에는 반합성 유기체의 공학, 정보처리의 관점에서 우주 자체를 이해하는 것도 포함된다.사실 정보는 물질이나 에너지보다 더 근본적이라는 생각마저 진보했다.1960년대의 Zuse-Fredkin 논문은 전 우주가 그것의 규칙을 지속적으로 갱신하는 거대한 세포자동화라고 말한다.^[3][4]최근 우주 전체가 자신의 행동을 계산하는 양자 컴퓨터라는 주장이 제기됐다.^[5]계산 메커니즘으로서의 우주/자연은 계산 가능성의 사상을 도와 자연을 탐구하고,^[6] 계산(정보 처리)으로서의 자연 과정을 연구함으로써 다루어진다.null

자연에서 영감을 받은 컴퓨팅 모델

가장 확립된 "일반적인" 자연에서 영감을 받은 연산 모델은 세포 자동 연산, 신경 연산, 진화 연산이다.자연 공정에서 추출한 보다 최근의 연산 시스템에는 군집 지능, 인공 면역 시스템, 멤브레인 컴퓨팅, 비정형 컴퓨팅 등이 있다.자세한 리뷰는 많은 책에서 찾을 수 있다.^[8][9]

셀룰러 오토마타

세포자동차는 일련의 세포들로 구성된 역동적인 시스템이다.공간과 시간은 별개고 각각의 세포는 한정된 수의 상태에 있을 수 있다.세포 자동화는 선험적으로 주어진 전환 규칙에 따라 세포의 상태를 동시에 업데이트한다.세포의 다음 상태는 전이 규칙에 의해 계산되며, 그것은 단지 그것의 현재 상태와 이웃의 상태에 의존한다.null

콘웨이의 게임 오브 라이프(Game of Life)는 셀룰러 오토마타의 가장 잘 알려진 예 중 하나로, 계산적으로 보편적인 것으로 나타났다.세포 자동화는 의사소통, 성장, 재생산, 경쟁, 진화 및 기타 물리적, 생물학적 과정과 같은 다양한 현상을 모델링하는 데 적용되었다.null

신경 계산

신경연산은 컴퓨팅 기계와 인간의 신경계와의 비교에서 나온 연구 분야다.^[10]이 분야는 살아있는 유기체의 뇌가 어떻게 작용하는지(뇌 이론이나 계산 신경과학)를 이해하고, 인간의 뇌가 정보를 처리하는 원리를 바탕으로 효율적인 알고리즘을 설계하는 것을 목적으로 한다(인공신경망, ANN).null

인공신경망은 인공신경세포의 네트워크다.^[12]An artificial neuron A is equipped with a function ${\displaystyle f_{A}}$, receives n real-valued inputs ${\displaystyle x_{1},x_{2},\ldots ,x_{n}}$ with respective weights ${\displaystyle w_{1},w_{2},\ldots ,w_{n}}$, and it outputs f A ( w 1${\displaystyle f_{A}(w_{1}x_{1}+w_{2}x_{2}+\ldots +w_{n}x_{n})}$. Some neurons are selected to be the output neurons, and the network function is the vectorial function that associates to the n input values, the outputs of the m selected output neurons.가중치를 서로 다르게 선택하면 동일한 입력에 대해 서로 다른 네트워크 기능이 생성된다는 점에 유의하십시오.백프로포메이션은 실제 산출물의 벡터와 원하는 산출물의 벡터 차이를 최소화하기 위해 네트워크 내 연결의 가중치를 반복적으로 조정하는 감독 학습 방법이다.오류의 역방향 전파를 기반으로 하는 학습 알고리즘을 사용하여 네트워크와 입력-출력 쌍의 주어진 토폴로지에 대한 최적의 가중치를 찾을 수 있다.null

진화 연산

진화적^[13] 계산은 다윈의 진화에서 영감을 받은 계산적 패러다임이다.null

인공 진화 시스템은 모의 진화의 개념에 기초한 계산 시스템이다.그것은 일정하거나 가변적인 규모의 개인 인구, 피트니스 기준, 그리고 현재의 세대로부터 다음 세대를 생산하는 유전적으로 영감을 받은 운영자로 구성되어 있다.초기 모집단은 일반적으로 랜덤 또는 휴리스틱하게 생성되며, 대표적인 연산자는 돌연변이와 재조합이다.각 단계에서, 개인은 주어진 피트니스 기능(적자 생존)에 따라 평가된다.다음 세대는 유전적으로 영감을 받은 연산자를 사용하여 선택된 개인(부모)으로부터 얻는다.부모의 선택은 짝짓기의 생물학적 원리를 반영한 선택 운영자가 지도할 수 있다.이러한 모의 진화의 과정은 결국 피트니스 기능의 관점에서 거의 최적의 개인 모집단으로 수렴된다.null

진화 시스템에 대한 연구는 역사적으로 세 가지 주요 분과를 따라 진화했다: 진화 전략은 이산형 및 혼합형 매개변수뿐만 아니라 실제 가치에 대한 매개변수 최적화 문제에 대한 해결책을 제공한다.진화 프로그래밍은 원래 유한 상태 기계와 같이 모델링된 최적의 "지능형 에이전트"를 만드는 것을 목표로 했다.유전 알고리즘은^[14] 주어진 문제에 대해 (거의) 최적인 해결책을 찾는 문제에 진화 연산 개념을 적용했다.유전자 알고리즘은 처음에 고정 길이 비트 문자열로 인코딩된 개인의 입력 집단, 유전 연산자 돌연변이(비트 플립)와 재조합(부모의 접두사와 다른 접미사를 결합) 및 문제 의존적 피트니스 함수로 구성되었다.유전 알고리즘은 유전 프로그래밍이라 불리는 컴퓨터 프로그램을 최적화하는 데 사용되어 왔으며, 오늘날에는 여러 종류의 결합 작업뿐만 아니라 실제 가치 매개변수 최적화 문제에도 적용되고 있다.null

반면, 분포 알고리즘의 추정(EDA)은 모델 유도 알고리즘에 의해 전통적인 재생산 연산자를 대체하는 진화 알고리즘이다.이러한 모델은 기계 학습 기법을 채택하여 모집단으로부터 학습되며, 확률론적 그래픽 모델로 표현되며, 여기서 새로운 솔루션은 유도-크로스오버로부터 샘플링되거나^[15][16] 생성될 수 있다.^[17][18]null

군집 지능

집단 지능이라고도 불리는 ^[19]집단 지능은 자신의 지역 환경에 따라 행동함으로써 다른 요원들과 소통하는 개별 요원(예: 박테리아, 개미, 흰개미, 벌, 거미, 물고기, 새)의 상호작용에서 나타나는 문제 해결 행동이라고 정의된다.null

입자 군집 최적화는 (다차원) 솔루션 공간을 통한 검색을 통해 주어진 문제에 대한 최적의 해결책을 찾는 문제에 이 아이디어를 적용한다.초기 설정은 입자 군집이며, 각각은 문제에 대한 가능한 해결책을 나타낸다.각 입자는 그 이전의 속도(관성 성분), 과거의 가장 좋은 위치로 향하는 경향(향수 성분), 지구촌 최적 또는 지역적 최적(사회적 성분)에 따라 달라지는 고유의 속도를 가진다.따라서 입자는 다차원 공간을 통해 이동하며 결국 글로벌 최고와 개인 최고 사이의 한 지점을 향해 수렴한다.입자 군집 최적화 알고리즘은 다양한 최적화 문제와 무감독 학습, 게임 학습 및 스케줄링 애플리케이션에 적용되었다.null

같은 맥락에서 개미 알고리즘은 개미 군집의 포획 행동을 모델링한다.개미들은 둥지와 먹이 공급원 사이의 가장 좋은 길을 찾기 위해 먹이를 찾으면 페로몬의 농도를 따라 각각 먹이를 찾으면 둥지로 돌아오는 길에 페로몬 자국을 깔아 간접적인 통신에 의존한다.개미 알고리즘은 이산 검색 공간에 걸쳐 다양한 조합 최적화 문제에 성공적으로 적용되었다.null

인공 면역 시스템

인공 면역 시스템(즉, 면역학적 계산 또는 면역 주입)은 생물학적 유기체의 자연 면역 시스템에서 영감을 받은 계산 시스템이다.null

정보처리 시스템으로 간주되는 유기체의 자연 면역 체계는 많은 복잡한 작업을 병렬과 분산 컴퓨팅 방식으로 수행한다.^[20]여기에는 자아와 비자체 구별,^[21] 비자체 병원균(바이러스, 박테리아, 곰팡이, 기생충), 학습, 기억력, 연관성 회복, 자율 규제, 결함 허용 등이 포함된다.인공 면역 체계는 이러한 계산적인 측면을 강조하면서 자연 면역 체계의 추상화다.이들의 응용 프로그램으로는 컴퓨터 바이러스 검출, 일련의 데이터에서의 이상 검출, 고장 진단, 패턴 인식, 머신러닝, 생물정보학, 최적화, 로봇공학, 제어 등이 있다.null

멤브레인 컴퓨팅

멤브레인 컴퓨팅은 멤브레인에서 영향을 받는 살아있는 세포의 구획화된 구조에서 추출한 컴퓨팅 모델을 조사한다.^[22]일반 멤브레인 시스템(P-system)은 중첩된 계층 구조로 배치되는 막으로 구분된 셀과 같은 컴파트먼트(지역)로 구성된다.각 막이 발달한 영역에는 개체를 수정하는 개체, 변환 규칙, 그리고 개체를 외부로 전송할 것인지 아니면 영역 내에 머무를 것인지를 지정하는 전송 규칙이 포함되어 있다.지역은 물체의 전달을 통해 서로 소통한다.멤브레인 시스템에 의한 연산은 초기 구성으로 시작하는데, 여기서 각 물체의 숫자(다중성)가 각 영역(물체의 다중성)에 대한 어떤 값으로 설정된다.그것은 어떤 개체에 어떤 규칙이 적용되는지 비결정론적으로 그리고 최대 병렬 방식으로 선택함으로써 진행된다.계산의 출력은 선험적으로 결정된 출력 영역에서 수집된다.null

멤브레인 시스템의 적용은 기계학습, 생물학적 과정 모델링(광합성, 특정 신호 경로, 박테리아에서의 정족수 감지, 세포 매개 면역)뿐만 아니라 컴퓨터 그래픽, 공개키 암호학, 근사치 및 정렬 알고리즘 등의 컴퓨터 과학 응용과 va의 분석을 포함한다.계산적으로 어려운 문제들null

무정형 컴퓨팅

생물 유기체에서 형태생식(잘 정의된 모양과 기능 구조의 개발)은 유기체의 DNA에 암호화된 유전 프로그램에 의해 유도된 세포들 사이의 상호작용에 의해 달성된다.

이러한 아이디어에서 영감을 받은 비정형 컴퓨팅은 신뢰성이 낮고 불규칙하게 배치되고 비동기적이며 동일하게 프로그램된 다수의 컴퓨팅 요소(입자)의 국지적 상호작용에서 잘 정의된 모양과 패턴 또는 일관성 있는 컴퓨팅 행동을 엔지니어링하는 것을 목표로 한다.^[23]프로그래밍 패러다임으로서, 목표는 비정형 컴퓨팅 환경에 잘 맞는 새로운 프로그래밍 기법을 찾는 것이다.아모르퍼스 컴퓨팅은 또한 "셀룰러 컴퓨팅"의 기초로서 중요한 역할을 한다(아래에서 합성 생물학과 셀룰러 컴퓨팅 항목 참조).null

형태론적 컴퓨팅

형태학이 계산을 수행하는 이해는 형태학과 제어의 관계를 분석하고 제어 요건이 줄어든 로봇의 설계를 이론적으로 안내하는 데 사용되며, 로봇 공학 및 살아있는 유기체의 인지 과정에 대한 이해를 위해 모폴로지 연산 및 ^[24]를 참조하십시오.

인지 컴퓨팅

인지 컴퓨팅 CC는 새로운 유형의 컴퓨팅으로, 일반적으로 인간의 감지, 추론 및 자극에 대한 반응의 기능을 모델링하는 것을 목표로 한다. 자세한 내용은 인지 컴퓨팅 및 ^[25]를 참조하십시오.

오늘날의 인지 컴퓨팅의 인지 능력은 인간의 수준과는 거리가 멀다.동일한 정보 컴퓨팅 접근방식을 다른 단순한 생물체에도 적용할 수 있다.박테리아는 계산적으로 모델링된 인지 시스템의 한 예다. 에셀 벤자콥과 미생물 마인드를 참조하라.null

컴퓨팅을 통한 자연 합성

인공생명체

인공생명체(ALIFe)는 일반적으로 살아있는 유기체와만 연관되는 특성을 나타내는 ab initio 시스템을 전자컴퓨터나 다른 인공매체 내에 구축함으로써 생물생물의 본질적 특성을 이해하는 것이 궁극적인 목표인 연구 분야다.초기 사례로는 식물 성장과 개발을 모형화하는 데 사용되어 온 린덴마이어 시스템(L-systems)이 있다.L-system(L-system)은 초기 단어로 시작하여 단어의 모든 문자에 병렬로 재쓰기 규칙을 적용하는 병렬 재쓰기 시스템이다.^[27]null

인공생명체의 개척 실험에는 운동학, 역학, 중력, 충돌, 마찰 등 현실적인 특징을 가진 시뮬레이션 환경에서 작용하는 진화하는 "가상 블록 생물"의 설계가 포함되었다.^[28]이 인공 생물들은 수영을 하거나 걷거나 점프를 할 수 있는 능력을 부여받아 선발되었고, 그들은 한정된 공통의 자원을 위해 경쟁했다.시뮬레이션은 놀라운 행동을 보이는 생물의 진화를 가져왔다. 어떤 생물은 큐브를 잡기 위해 손을 개발했고, 어떤 생물은 큐브를 향해 움직이기 위해 다리를 개발했다.이러한 컴퓨터 접근방식은 더 나아가 급속한 제조 기술과 결합되어 사실상 진화한 물리적 로봇을 만들었다.^[29]이것은 기계적인 인공 생물 분야의 출현을 나타냈다.null

합성 생물학 분야는 유사한 사상의 생물학적 구현을 탐구한다.인공생명 분야 내 다른 연구 방향으로는 인공화학뿐만 아니라 전통적으로 인공 시스템에서 탐구한 생물학적 현상도 있는데, 공진화적응·발달과 같은 계산 과정부터 성장, 자기복제, 자기복제 등의 물리적 과정까지 다양하다.null

자연에서 영감을 받은 새로운 하드웨어

위에서 언급된 모든 계산 기법은 자연에서 영감을 받아 지금까지 대부분 전통적인 전자 하드웨어에서 구현되어 왔다.이와는 대조적으로, 분자 컴퓨팅과 양자 컴퓨팅이라는 두 패러다임은 근본적으로 다른 종류의 하드웨어를 사용한다.null

분자 컴퓨팅

분자 컴퓨팅(예: 생체분자 컴퓨팅, 바이오콤푸팅, 생화학 컴퓨팅, DNA 컴퓨팅)은 데이터가 DNA 가닥과 같은 생체분자로 인코딩되고 분자생물학 도구가 데이터에 작용하여 다양한 연산(예: 산술 또는 논리 연산)을 수행하는 연산 패러다임이다.null

특수목적 분자컴퓨터의 첫 실험적 실현은 1994년 레너드 애들레만이 해밀턴 경로 문제의 7노드 인스턴스를 시험관의 DNA 가닥을 조작하여 해결한 획기적인 실험이었다.^[30]DNA 계산은 DNA 시퀀스로 인코딩된 초기 입력(본질적으로 4글자 알파벳 {A, C, G, T}에 대한 시퀀스)에서 시작하여 절단 및 붙여넣기(제한 효소 및 리가스에 의한)와 같은 일련의 바이오 조작으로 진행되며, 특정 부분(Watson-Crick 보완성 사용)을 포함하는 가닥의 추출에 의해 진행되며, co.py (중합효소 효소를 사용하는 중합효소 연쇄반응을 사용) 및 read-out.^[31]최근의 실험 연구는 20 변수의 3SAT 인스턴스, 그리고 스마트 의약품 설계에 잠재적 응용이 가능한 유한 상태 기계의 습식 DNA 구현과 같은 NP 완성 문제의 보다 복잡한 사례를 해결하는 데 성공했다.null

이 분야에서 연구의 가장 주목할 만한 공헌 중 하나는 자가 조립에 대한 이해다.^[33]자가조립은 물체가 자율적으로 모여 복잡한 구조를 형성하는 상향식 과정이다.자연에는 많은 예가 있으며, 분자를 형성하기 위해 화학적 결합에 의해 결합되는 원자와 결정체나 고분자를 형성하는 분자를 포함한다.직접 연구 과제의 예는 시에르 핀스키 triangles[35] 같은 조립하는 DNAnanostructures[34]또는 임의 nanoshapes는 DNAorigami[36]기술을 사용하여 얻은, 그리고 기초로 한 회로(이진 계수기,bit-wise 누적 XOR) 같은 DNAnanomachines[37], 로직 연산, 분자 스위치는(DNAtweez에 ribozymes을 포함한다.ers cm이고, auton오목한 분자 운동기(DNA 워커).null

분자 컴퓨팅에 관한 이론적 연구는 DNA 컴퓨팅의 몇 가지 새로운 모델(예: 톰 헤드가 1987년에 이미 도입한 스플리싱 시스템)을 산출해 냈으며, 그들의 계산 능력은 조사되었다.^[38]현재 다양한 바이오 조작 하위 집합이 튜링 기계의^{[citation needed]} 연산 능력을 달성할 수 있는 것으로 알려져 있다.null

양자 컴퓨팅

양자 컴퓨터는^[39] 양자 비트(qubits)로 저장된 데이터를 처리하고, 중첩, 얽힘 등의 양자 기계적 현상을 이용해 연산을 한다.쿼빗은 이것들의 "0", "1" 또는 양자 중첩을 가질 수 있다.양자 컴퓨터는 양자 논리 게이트와 함께 쿼트로 작동한다.정수를 인수하기 위한 쇼어의 다항 알고리즘과 2차적 시간적 우위를 가진 양자 데이터베이스 검색을 위한 그로버의 알고리즘을 통해 양자 컴퓨터는 잠재적으로 전자 컴퓨터에 비해 유의미한 편익을 갖는 것으로 나타났다.null

양자암호법은 계산의 복잡성에 근거하는 것이 아니라 양자정보를 신뢰성 있게 측정할 수 없고, 양자정보를 측정하려는 어떠한 시도도 피할 수 없고 돌이킬 수 없는 교란을 초래하는 등 양자정보의 특수성에 근거한다.양자암호법에서의 성공적인 야외실험은 2007년에 보고되었는데, 그 곳에서 데이터는 144 km의 거리에서 안전하게 전송되었다.^[40]양자 텔레포테이션은 양자 상태(물질이나 에너지가 아닌)가 임의의 먼 곳으로 전달되는 또 다른 유망한 응용 프로그램이다.실용 양자컴퓨터의 구현은 이온트랩, 초전도체, 핵자기공명 등 다양한 기판을 기반으로 한다.2006년 현재 가장 큰 양자 컴퓨팅 실험은 액체 상태의 핵자기공명 양자정보 프로세서를 사용했으며, 최대 12쿼트까지 작동할 수 있었다.^[41]null

정보 처리로서의 자연

자연연산의 이중적인 측면은 자연현상을 정보처리로서 고찰함으로써 자연을 이해하고자 하는 것이다.이미 1960년대에 주스와 프레드킨은 우주 전체가 컴퓨터(정보처리) 메커니즘이며, 지속적으로 규칙을 갱신하는 세포자동화(cellular automatomaton)로 모델링된다는 생각을 제시했다.^[3][4]로이드의 최근 양자-기계적 접근법은 우주를 자신의 행동을 계산하는 양자 컴퓨터로서 제안하는 반면, 베드랄은 정보는 현실의 가장 근본적인 구성 요소라고 제시한다.^[5]null

계산 메커니즘으로서의 우주/자연은 계산가능성의 아이디어의 도움을 받아 자연을 탐구하는 ^[6]한편, 다른 수준의 조직에서 정보 프로세스의 네트워크로서의 자연사상에 기초하여,^[7] 자연 과정을 연산(정보 처리)으로서 연구하고 있다.null

이 분야 연구의 주요 방향은 시스템 생물학, 합성 생물학, 세포 컴퓨팅이다.null

시스템 생물학

컴퓨터 시스템 생물학(또는 단순히 시스템 생물학)은 생물학적 시스템에서 일어나는 복잡한 통신과 상호작용을 조사하는 통합적이고 질적인 접근방식이다.그러므로 시스템 생물학에서 연구의 초점은 유기체 내의 기능적 프로세스의 개별 요소보다는 이러한 네트워크로 인해 발생하는 상호작용 네트워크 그 자체와 생물학적 시스템의 속성이다.유기적 요소에 대한 이러한 유형의 연구는 네 가지 서로 다른 상호의존적 상호작용 네트워크, 즉 유전자 조절 네트워크,^[43] 생화학 네트워크, 전송 네트워크, 탄수화물 네트워크에 강하게 초점을 맞추었다.null

유전자 규제 네트워크는 유전자와 유전자의 상호작용뿐만 아니라 세포 내 다른 물질 간의 상호작용도 구성한다.유전자는 전령 RNA(mRNA)로 옮겨져 유전자 코드에 따라 단백질로 변환된다.각 유전자는 유전자 전사의 활성제 또는 억제기의 결합 부위로 작용하는 다른 DNA 부분(프로모터, 엔핸서 또는 소음기)과 연관되어 있다.유전자는 유전자 전사를 조절할 수 있는 유전자 생산물(mRNA, 단백질)이나 유전자를 직접 조절할 수 있는 작은 RNA 종을 통해 서로 상호작용한다.이러한 유전자-진 상호작용은 세포 내 다른 물질과의 유전자의 상호작용과 함께 가장 기본적인 상호작용 네트워크인 유전자 규제망을 형성한다.그들은 다른 네트워크의 조립과 유지보수를 포함한 셀 내의 정보처리 업무를 수행한다.유전자 규제 네트워크의 모델에는 랜덤 및 확률론적 부울 네트워크, 비동기 오토마타, 네트워크 모티브 등이 포함된다.null

또 다른 관점은 게놈 규제 시스템 전체가 계산 시스템인 게놈 컴퓨터라는 점이다.이 해석은 인간이 만든 전자 연산과 자연에서 일어나는 연산을 비교할 수 있게 한다.^[44]null

게놈 컴퓨터와 전자 컴퓨터의 비교

	게놈 컴퓨터	전자 컴퓨터
건축	변경할 수 있는	경직된
구성 요소 구조	종량제 기준	처음부터
조정	인과응보	일시적 동기화
하드웨어와 소프트웨어의 구별	아니요.	네
전송 매체	분자와 이온	전선

또한 기존의 컴퓨터와 달리 게놈 컴퓨터의 강건성은 기능성이 떨어지는 프로세스가 급속히 저하되고 기능성이 낮은 세포가 세포사멸에 의해 죽임을 당하며 기능성이 떨어지는 유기체는 보다 적합한 종에 의해 경쟁할 수 없는 다양한 피드백 메커니즘에 의해 달성된다.null

생화학적 네트워크는 단백질 간의 상호작용을 말하며, 세포 안에서 다양한 기계 및 대사 작업을 수행한다.둘 이상의 단백질은 상호작용 부위의 결합을 통해 서로 결합할 수 있으며, 동적 단백질 복합체(복제)를 형성할 수 있다.이러한 단백질 복합체는 다른 화학 반응의 촉매 역할을 하거나 서로 화학적으로 변형시킬 수 있다.그러한 수정은 단백질의 가능한 결합 부위에 변화를 일으킨다.세포 안에는 수만 개의 단백질이 있으며, 서로 상호작용을 한다.이와 같은 대규모 상호작용을 묘사하기 위해, 콘 지도는^[45] 간결한 그림으로 분자 상호작용을 묘사하는 그래픽 표기법으로 도입되었다.단백질-단백질 상호작용을 정확하고 간결하게 설명하기 위한 다른 접근법에는 확률적 특성으로 강화된 텍스트 생물 미적분학^[46] 또는 파이 미적분학의 사용이 포함된다.^[47]null

운송망은 지질막으로 매개되는 물질의 분리 및 운송을 말한다.어떤 지질들은 생물학적 막으로 자가 조립할 수 있다.지질막은 단백질과 다른 분자들이 포함된 지질 빌레이어로 구성되며, 이 층을 따라 이동할 수 있다.지질 빌리지를 통해 물질은 다른 분자와 상호작용하기 위해 세포막 내부와 외부 사이를 이동한다.교통망을 묘사하는 형식주의에는 막 시스템과 브라네 칼쿨리가 포함된다.^[48]null

합성생물학

합성 생물학은 합성 생물학적 요소들을 엔지니어링하는 것을 목표로 하며, 그들의 구성 요소들로부터 전체 생물학적 시스템을 조립하는 궁극적인 목표를 가지고 있다.합성 생물학의 역사는 프랑수아 제이콥과 자크 모노드가 유전자 조절에서 수학적 논리를 발견한 1960년대로 거슬러 올라갈 수 있다.재조합 DNA 기술에 기반을 둔 유전자 공학 기술은 이러한 기술을 유전자와 유전자 생산물의 전체 시스템으로 확장하는 오늘날의 합성 생물학의 전구체다.null

더 길고 긴 DNA 가닥을 합성할 가능성과 함께 완전히 인공적인 합성 유기체를 만들 목적으로 합성 게놈을 만들 수 있다는 전망이 현실화됐다.실제로 화학적으로 합성된 짧은 DNA 가닥의 빠른 결합은 바이러스의 5386bp 합성 게놈을 생성하는 것을 가능하게 했다.^[49]null

그 대신에 스미스 외 연구진은 마이코플라즈마 제니튬의 게놈에서 개별적으로 제거할 수 있는 약 100개의 유전자를 발견했다.이 발견은 필수 유전자로만 구성된 최소의 인공 게놈을 조립할 수 있는 길을 열어준다.null

반합성 세포의 공학에 대한 세 번째 접근방식은 자기복제 능력을 가진 단일 형태의 RNA 유사 분자의 구성이다.^[50]그러한 분자는 RNA와 유사한 분자의 초기 집단의 빠른 진화를 원하는 특성을 선택함으로써 얻을 수 있었다.null

이 분야의 또 다른 노력은 살아있는 박테리아 세포군을 조정하는 데 사용되는 세포와 세포 간 통신 모듈을 설계함으로써 다세포 시스템을 엔지니어링하는 것이다.^[51]null

셀룰러 컴퓨팅

살아있는 세포에서의 연산(예: 세포내 컴퓨팅 또는 생체내 컴퓨팅)은 자연을 연산으로서 이해하기 위한 또 다른 접근법이다.이 영역에서 한 가지 특별한 연구는 ciliate라고 불리는 단세포 유기체에서 유전자 조합의 계산적 특성에 관한 것이다.Ciliates는 기능성 유전자가 들어 있는 DNA의 복사본을 마크롱핵에 저장하고, 또 다른 "암호화된" 복사본은 마이크로핵에 저장한다.두 개의 규산염의 결합은 그들의 미세핵 유전 정보의 교환으로 이루어지며, 두 개의 새로운 미크론핵이 형성되고, 이어서 각 규산염은 새로운 기능적인 마크롱핵을 만들기 위해 새로운 미크론핵에서 정보를 재조합한다.후자의 과정을 유전자 조합, 즉 유전자 재분배라고 한다.그것은 DNA의 일부 파편들을 재주문하고 다른 파편들을 미크론핵 복사본에서 삭제하는 것을 포함한다.계산적인 관점에서, 이 유전자 조립 과정의 연구는 이 과정의 다양한 모델의 튜링 보편성과 같은 많은 도전적인 연구 주제와 결과로 이어졌다.^[52]생물학적 관점에서, 유전자 조합 과정을 구현하는 "생물학"에 대한 그럴듯한 가설이 제안되었는데, 이는 템플릿 유도 재조합에 기초한다.^[53][54]null

휴대 컴퓨팅까지 다른 접근 방식은 Ecoli,[55]과 함께 디자인하고 exvivo세포 논리 문과(예를 들어[56])과 기공이 닫힐 때 개구부의 잎들에 전역 최적화 세포의 기존의 생화학적 과정을 이용한 유전자 회로에 건설하고는 vivo에고 자율적 프로그램 가능 finite-state automaton 등이 포함된다.따라세포 자동화와 유사한 일련의 지역 규칙을 만들어 내는 것.^[57]null

참고 항목

• 컴퓨터 지능
• 바이오 영감을 받은 컴퓨팅
• DNA 컴퓨팅
• 자연 컴퓨팅 저널
• 양자 컴퓨팅
• 합성생물학

참조

추가 읽기

이 글은 그들의 저자의 친절한 허락을 받아 다음과 같은 참고 문헌을 토대로 작성되었다.

• Lila Kari, Grzegorz Rozenberg (October 2008). "The Many Facets of Natural Computing". Communications of the ACM. 51 (10): 72–83. doi:10.1145/1400181.1400200.
• Leandro Nunes de Castro (March 2007). "Fundamentals of Natural Computing: An Overview". Physics of Life Reviews. 4 (1): 1–36. Bibcode:2007PhLRv...4....1D. doi:10.1016/j.plrev.2006.10.002.

자연 컴퓨팅의 많은 구성 연구 분야들은 그들만의 전문 저널과 책 시리즈를 가지고 있다.Natural Computing의 광범위한 분야를 전담하는 저널과 북 시리즈로는 국제 자연 컴퓨팅 연구 저널(IGI Global), 자연 컴퓨팅 저널(Springer Verlag),이론 컴퓨터 과학, 시리즈 C: 자연 컴퓨팅 이론(Elsevier), 자연 컴퓨팅 책 시리즈(Springer Verlag), 자연 컴퓨팅 핸드북(G.Rozenberg, T.)뒤로, J.Kok, 편집자, Springer Verlag).null

• Ridge, E.; Kudenko, D.; Kazakov, D.; Curry, E. (2005). "Moving Nature-Inspired Algorithms to Parallel, Asynchronous and Decentralised Environments". Self-Organization and Autonomic Informatics (I). 135: 35–49. CiteSeerX 10.1.1.64.3403.
• 마이클 G의 군집과 군집 지능힌치, 로이 스털릿, 크리스 로프,

대중 과학 기사에 관심이 있는 독자들을 위해, 중간 기사에 대한 것을 고려해보라.자연에서 영감을 받은 알고리즘