隨著機(jī)器學(xué)習(xí)和量子計(jì)算的巨大進(jìn)步，我們現(xiàn)在有了更強(qiáng)大的新工具，能夠以新的方式與各行業(yè)研究者合作，并從根本上加速突破性科學(xué)發(fā)現(xiàn)的進(jìn)展。 

本期谷歌年終總結(jié)的主題是「自然科學(xué)」，文章作者為谷歌研究院的杰出科學(xué)家John Platt，1989年博士畢業(yè)于加州理工大學(xué)。

自從八年前加入 Google Research 以來(lái)，我有幸成為一個(gè)天才研究人員的社區(qū)的一員，致力于應(yīng)用前沿計(jì)算技術(shù)來(lái)推動(dòng)應(yīng)用科學(xué)的可能性，目前團(tuán)隊(duì)正在探索物理和自然科學(xué)的課題，從幫助組織全世界的蛋白質(zhì)和基因組信息以造福人們的生活，到利用量子計(jì)算機(jī)提高我們對(duì)宇宙本質(zhì)的理解。

利用機(jī)器學(xué)習(xí)解開(kāi)生物學(xué)之謎

生物學(xué)的非凡復(fù)雜性讓無(wú)數(shù)研究人員感到著迷，從探究大腦的奧秘、探究蛋白質(zhì)的構(gòu)造，再到編碼生命語(yǔ)言的基因組，谷歌一直與來(lái)自世界各地其他領(lǐng)先組織的科學(xué)家合作，應(yīng)對(duì)連接組學(xué)（connectomics）、蛋白質(zhì)功能預(yù)測(cè)和基因組學(xué)領(lǐng)域的重大挑戰(zhàn)，并使創(chuàng)新成果能夠?yàn)楦鼜V泛的科學(xué)界所利用。

神經(jīng)生物學(xué)

2018年，谷歌開(kāi)發(fā)的一個(gè)應(yīng)用是探索信息是如何通過(guò)斑馬魚(yú)大腦中的神經(jīng)元通路傳播的，提供了對(duì)斑馬魚(yú)如何參與像群集這樣的社會(huì)行為的深入觀察結(jié)果。

論文鏈接：https://www.nature.com/articles/s41592-018-0049-4

通過(guò)與馬克斯 · 普朗克生物智能研究所(Max Planck Institute for Biology Intelligence)的研究人員合作，研究人員們用計(jì)算機(jī)重建了一部分斑馬魚(yú)大腦的3D 電子顯微鏡圖像。

這也是在利用成像和計(jì)算管道繪制小腦中的神經(jīng)元回路方面取得的里程碑式的進(jìn)展，也是連接組學(xué)領(lǐng)域的又一次進(jìn)步。

這項(xiàng)工作涉及到的技術(shù)甚至可以應(yīng)用到神經(jīng)科學(xué)以外的領(lǐng)域，例如，為了解決處理大型的連接組學(xué)數(shù)據(jù)集的難題，谷歌的研究人員開(kāi)發(fā)并發(fā)布了 TensorStore，一個(gè)開(kāi)源的 C++ 和 Python 軟件庫(kù)，專門(mén)用于存儲(chǔ)和操作 n 維數(shù)據(jù)，在其他領(lǐng)域也適用于存儲(chǔ)大型數(shù)據(jù)集。

代碼鏈接：https://github.com/google/tensorstore

通過(guò)比較人類語(yǔ)言處理和自回歸深層語(yǔ)言模型(DLM) ，研究人員利用機(jī)器學(xué)習(xí)闡明了人類大腦是如何執(zhí)行像語(yǔ)言這樣與眾不同的功能。

論文鏈接：https://www.nature.com/articles/s41593-022-01026-4

在這項(xiàng)研究中，谷歌與普林斯頓大學(xué)和紐約大學(xué)格羅斯曼醫(yī)學(xué)院的研究者合作，讓實(shí)驗(yàn)參與者聽(tīng)30分鐘的播客，同時(shí)使用皮層腦電圖記錄他們的大腦活動(dòng)。

記錄結(jié)果表明，人類大腦和 DLM 共享處理語(yǔ)言的計(jì)算原理，包括連續(xù)的下一個(gè)單詞預(yù)測(cè)，依賴上下文嵌入，以及基于單詞匹配的post-onset suprise計(jì)算，即可以測(cè)量人類大腦對(duì)單詞的驚訝（surprise）程度，并將驚訝信號(hào)與 DLM 對(duì)單詞的預(yù)測(cè)程度相關(guān)聯(lián)。

這些結(jié)果為人類大腦中的語(yǔ)言處理提供了新的結(jié)論，并且表明 DLM 可以用來(lái)揭示語(yǔ)言的神經(jīng)基礎(chǔ)的有價(jià)值的見(jiàn)解。

生物化學(xué)

機(jī)器學(xué)習(xí)還使得在理解生物序列方面取得了重大進(jìn)展，研究人員利用深度學(xué)習(xí)的最新進(jìn)展，從原始氨基酸序列中準(zhǔn)確預(yù)測(cè)蛋白質(zhì)功能。

論文鏈接：https://www.nature.com/articles/s41587-021-01179-w

谷歌還與歐洲分子生物學(xué)實(shí)驗(yàn)室的歐洲生物信息研究所(EMBL-EBI)開(kāi)展緊密合作，仔細(xì)評(píng)估模型的性能，并向公共蛋白質(zhì)數(shù)據(jù)庫(kù) UniProt、 Pfam/interPro 和 MGnify 添加了數(shù)以億計(jì)的功能標(biāo)注。

論文鏈接：https://www.nature.com/articles/s41587-021-01179-w.epdf

人類對(duì)蛋白質(zhì)數(shù)據(jù)庫(kù)的標(biāo)注可能是一個(gè)艱苦而緩慢的過(guò)程，而谷歌提出的機(jī)器學(xué)習(xí)方法使得標(biāo)注速度實(shí)現(xiàn)了一個(gè)巨大的飛躍。

例如，Pfam標(biāo)注增加的數(shù)量比過(guò)去十年所有其他努力的總和還要多，全世界每年訪問(wèn)這些數(shù)據(jù)庫(kù)的數(shù)百萬(wàn)科學(xué)家現(xiàn)在可以利用該標(biāo)注進(jìn)行研究。

雖然人類基因組的第一稿于2003年公布，但由于測(cè)序技術(shù)的技術(shù)局限性，它并不完整。

2022年，Telomere-2-Telomere (T2T) 聯(lián)盟在解決這些先前無(wú)法獲得的區(qū)域(包括5個(gè)完整的染色體臂和近2億個(gè)新 DNA 序列堿基對(duì))方面取得的顯著成就，這些區(qū)域?qū)τ谌祟惿飳W(xué)、進(jìn)化和疾病的問(wèn)題既有趣又重要。

谷歌的開(kāi)源基因組變體caller，即DeepVariant是 T2T 聯(lián)盟使用的工具之一，以用于準(zhǔn)備發(fā)布一個(gè)完整的30.55億堿基對(duì)的人類基因組序列。

論文鏈接：https://www.nature.com/articles/nbt.4235

T2T 聯(lián)盟也正在使用谷歌開(kāi)源的方法 DeepConsensus，為 Pacific Biosciences 長(zhǎng)期閱讀測(cè)序儀器提供設(shè)備上的錯(cuò)誤糾正，在T2T對(duì)全面的泛基因組資源的最新研究中，可以代表人類遺傳多樣性的廣度。

論文鏈接：https://www.nature.com/articles/s41587-022-01435-7.epdf

量子計(jì)算在新物理發(fā)現(xiàn)中的應(yīng)用

在促進(jìn)科學(xué)發(fā)現(xiàn)上，量子計(jì)算仍處于初級(jí)階段，但其具有很大的潛力，所以谷歌正在探索提高量子計(jì)算能力的方法，以使量子在計(jì)算成為科學(xué)發(fā)現(xiàn)和突破的工具。

通過(guò)與來(lái)自世界各地的物理學(xué)家合作，研究人員開(kāi)始使用現(xiàn)有的量子計(jì)算機(jī)來(lái)創(chuàng)建全新的物理實(shí)驗(yàn)，其中一個(gè)量子實(shí)驗(yàn)問(wèn)題是：當(dāng)傳感器測(cè)量一個(gè)物體時(shí)，需要用計(jì)算機(jī)處理來(lái)自傳感器的數(shù)據(jù)。

在傳統(tǒng)的處理過(guò)程中，需要將傳感器的數(shù)據(jù)轉(zhuǎn)換為經(jīng)典信息（classical information）后再進(jìn)行處理。

對(duì)于量子計(jì)算來(lái)說(shuō)，可以直接處理來(lái)自傳感器的量子數(shù)據(jù)，將量子傳感器的數(shù)據(jù)直接提供給量子算法，而無(wú)需經(jīng)過(guò)測(cè)量，相比傳統(tǒng)計(jì)算機(jī)會(huì)有更大的優(yōu)勢(shì)。

論文鏈接：https://www.science.org/doi/10.1126/science.abn7293

在谷歌最近與多所大學(xué)的研究人員合作撰寫(xiě)發(fā)表的一篇Science論文中，實(shí)驗(yàn)結(jié)果表明，只要量子計(jì)算機(jī)與量子傳感器直接耦合并運(yùn)行一個(gè)學(xué)習(xí)算法，量子計(jì)算可以從比經(jīng)典計(jì)算少得多的實(shí)驗(yàn)中提取信息。

即使在目前還不成熟的中等規(guī)模量子計(jì)算機(jī)上，「量子機(jī)器學(xué)習(xí)」也可以在數(shù)據(jù)集上產(chǎn)生指數(shù)級(jí)的優(yōu)勢(shì)。

論文鏈接：https://arxiv.org/abs/2112.00778

由于實(shí)驗(yàn)數(shù)據(jù)往往是科學(xué)發(fā)現(xiàn)的限制因素，量子機(jī)器學(xué)習(xí)算法有可能完全釋放出量子計(jì)算機(jī)的巨大威力，更強(qiáng)的是，這項(xiàng)工作的研究結(jié)果也適用于學(xué)習(xí)量子計(jì)算的輸出，如很難抽取的量子模擬輸出。

即使沒(méi)有量子機(jī)器學(xué)習(xí)，量子計(jì)算機(jī)的一個(gè)很有前景的應(yīng)用是實(shí)驗(yàn)性地探索那些無(wú)法觀察或模擬的量子系統(tǒng)。

2022年，Quantum AI 團(tuán)隊(duì)利用這種方法觀察到了第一個(gè)使用超導(dǎo)量子比特處于束縛態(tài)的多個(gè)微波光子的實(shí)驗(yàn)證據(jù)。

論文鏈接：https://www.nature.com/articles/s41586-022-05348-y

光子通常需要額外的非線性元素才能相互作用，谷歌的量子計(jì)算機(jī)對(duì)這些相互作用的模擬結(jié)果出乎研究人員的意料：本來(lái)以為這些束縛態(tài)的存在依賴于脆弱的條件，但實(shí)際上卻發(fā)現(xiàn)它們甚至對(duì)相對(duì)強(qiáng)烈的擾動(dòng)都是穩(wěn)健的。

鑒于谷歌在應(yīng)用量子計(jì)算取得物理學(xué)突破方面取得的初步成功，研究人員對(duì)這項(xiàng)技術(shù)的可能性還抱有很大的希望，將使未來(lái)的突破性發(fā)現(xiàn)能夠產(chǎn)生與晶體管或全球定位系統(tǒng)的創(chuàng)造一樣重大的社會(huì)影響。

把量子計(jì)算作為一種科學(xué)工具是非常有前景的！