Soundbite-Antwort: DNA-Computing bietet keinen Zauberstab, um NP-vollständige Probleme zu lösen, auch wenn einige angesehene Forscher in den 1990er-Jahren dies für eine Weile für möglich hielten.
Das erste DNA-Computerexperiment wurde in einem Labor unter der Leitung des bekannten Zahlentheoretikers Len Adleman durchgeführt. Adleman löste ein kleines Problem mit Handlungsreisenden - ein bekanntes NP-vollständiges Problem, und er und andere dachten eine Weile, die Methode könnte sich vergrößern. Adleman beschreibt seinen Ansatz in diesem kurzen Video , das ich faszinierend finde. Das Problem, auf das sie stießen, war, dass sie mehr DNA als die Größe der Erde benötigen würden, um ein TSP-Problem von bescheidener Größe zu lösen. Sie hatten einen Weg gefunden, Zeit zu sparen, indem sie den parallelen Arbeitsaufwand erhöhten. Dies bedeutete jedoch nicht, dass das TSP-Problem weniger als exponentielle Ressourcen zur Lösung benötigte. Sie hatten nur die exponentiellen Kosten von der Zeitmenge auf die Menge des physischen Materials verlagert.
(Es gibt eine zusätzliche Frage: Wenn Sie eine exponentielle Menge an Maschinen benötigen, um ein Problem zu lösen, benötigen Sie automatisch eine exponentielle Menge an Zeit oder zumindest eine Vorverarbeitung, um die Maschinen überhaupt zu bauen? Ich überlasse diese Frage eine Seite allerdings.)
Dieses allgemeine Problem - die Zeit zu reduzieren, die eine Berechnung auf Kosten einer anderen Ressource benötigt - hat sich in biologisch inspirierten Computermodellen vielfach gezeigt. Die Wikipedia-Seite über Membran-Computing (eine Abstraktion einer biologischen Zelle) besagt, dass eine bestimmte Art von Membransystem in der Lage ist, NP-vollständige Probleme in der Polynomzeit zu lösen. Dies funktioniert, weil dieses System die Erzeugung von exponentiell vielen Unterobjekten innerhalb einer Gesamtmembran in Polynomzeit ermöglicht. Nun ... wie kommt eine exponentielle Menge an Rohmaterial von der Außenwelt an und tritt durch eine Membran mit konstanter Oberfläche ein? Antwort: Es wird nicht berücksichtigt. Sie zahlen nicht für eine Ressource, die die Berechnung sonst erfordern würde.
Um schließlich auf Anthony Labarre zu antworten, der mit einem Artikel über AHNEPs verlinkt ist, können NP-vollständige Probleme in der Polynomzeit gelöst werden. Es gibt sogar eine Veröffentlichung darüber, dass AHNEPs 3SAT in linear lösen könnenZeit. AHNEP = Akzeptanz eines hybriden Netzwerks evolutionärer Prozessoren. Ein Evolutionsprozessor ist ein von der DNA inspiriertes Modell, dessen Kern eine Zeichenfolge aufweist, die bei jedem Schritt durch Substitution, Deletion oder (wichtig) Insertion geändert werden kann. Ferner ist an jedem Knoten eine beliebig große Anzahl von Zeichenfolgen verfügbar, und bei jedem Kommunikationsschritt senden alle Knoten alle ihre korrekten Zeichenfolgen an alle angeschlossenen Knoten. Ohne Zeitaufwand ist es also möglich, exponentielle Informationsmengen zu übertragen, und aufgrund der Einfügungsregel können einzelne Zeichenfolgen im Laufe der Berechnung immer größer werden, so dass es ein Doppelschlag ist.
Wenn Sie sich für neuere Arbeiten im Bereich Biocomputation interessieren, die von Forschern durchgeführt werden, die sich auf praxisnahe Berechnungen konzentrieren, kann ich diese Buchbesprechung anbieten , die ich kürzlich für SIGACT News geschrieben habe und die mehrere Bereiche kurz anspricht.