Команда учёных из компании QuEra Computing, Гарварда и MIT объявила о прорыве на пути к созданию мощных и отказоустойчивых квантовых компьютеров. Впервые в истории им удалось экспериментально провести «дистилляцию магических состояний» — ключевой процесс для выполнения сложных вычислений — на основе защищённых от ошибок логических кубитов.

Для выполнения любых, а не только базовых, задач квантовому компьютеру необходимы специальные ресурсы — так называемые «магические состояния». Однако их создание подвержено ошибкам. Продемонстрированный учёными процесс дистилляции, или «очистки», решает эту проблему: он позволяет из нескольких несовершенных, «шумных» состояний получить одно — высокого качества, с минимальным уровнем ошибок. Это открывает дорогу к универсальным квантовым вычислениям.

Главная новизна эксперимента заключается в том, что дистилляция впервые проведена не на обычных, физических кубитах, а на логических. Логический кубит — это система из нескольких физических кубитов, которая способна самостоятельно обнаруживать и исправлять ошибки. Успешно реализовав протокол на своём квантовом компьютере Gemini, исследователи доказали, что вся цепочка — от защиты информации до создания ресурсов для сложных вычислений — может работать как единый отказоустойчивый механизм.

Это достижение устраняет один из ключевых барьеров на пути к масштабированию квантовых систем. Оно на практике подтверждает жизнеспособность теоретических концепций, разработанных два десятилетия назад, и доказывает, что создание мощных и одновременно надёжных квантовых компьютеров является достижимой инженерной задачей. Прорыв приближает эру, когда квантовые вычисления смогут решать практические задачи, недоступные классическим суперкомпьютерам.

Скорый кризис транзисторных процессоров в начале 1990-х казался неизбежным. И пока в одних лабораториях альтернативу искали, проектируя квантовые алгоритмы и экспериментируя с кубитами, в других — двигали компьютеры на биомолекулах. В 1994 году практически одновременно ученые собрали первый квантовый вентиль и решили первую задачу с помощью ДНК. Но к тому, чтобы двигаться дальше, одни «альтернативные айтишники» были готовы лучше, чем другие. Проектировать квантовые компьютеры начали задолго до появления кубита. Еще в 60-х теоретики занялись квантовой информатикой, а к 80-м уже думали о квантовых алгоритмах, возможном устройстве логических вентилей на кубитах, а экспериментаторы собирали разнообразные прототипы кубитов. А над теорией ДНК-вычислений никто специально не работал. Там сразу начали решать конкретные вычислительные задачи.

К концу XX века биохимики научились проводить с молекулами ДНК уже довольно много процедур. Считывать с них информацию, расплетать двойную цепочку, сплетать обратно, добавлять к последовательности новые нуклеотиды, заменять один нуклеотид на другой, резать цепочку в нужном месте и сшивать. На транзисторы классических компьютеров, равно как на кубиты квантовых и их логику, вся эта биохимия непохожа. Но не видеть вычислительного потенциала в таком «натуральном» способе работы с информацией ученые не могли.

Леонард Адлеман и задача коммивояжера

В последовательности химических реакций можно разглядеть логическую схему. На входе одно вещество, на выходе — другое. Или несколько, но в определенном соотношении. Поэтому если правильно подобрать реакции, то строение и количество получившихся молекул может кодировать решение какой-то задачи.

Первым, кто понял, что имеющихся у биологов инструментов уже хватает для вычислений, стал математик Леонард Адлеман, один из создателей системы шифрования RSA (Rivest — Shamir — Adleman). Познакомившись в начале 1990-х с миром ДНК, ученый, по его собственным словам, «отчетливо увидел» аналогию между нуклеиновой логикой и транзисторной логикой компьютерных процессоров — и уже в 1994 году опубликовал статью об эксперименте, в котором нуклеиновые кислоты решили задачу о гамильтоновом цикле на графе.

Это частный случай NP-полной задачи коммивояжера (о полиномиальных и неполиномиальных задачах мы говорили в материале «Удаленное доказательство»). В задаче коммивояжера определенное количество точек на карте надо соединить самой короткой траекторией, ни одну из них при этом не пропустив. В задаче поиска гамильтонова пути надо просто доказать, что траектория, которая соединяет все точки и проходит через каждую ровно один раз, существует. Вычислитель Адлемана искал решение для графа с семью узлами.

В этом ДНК-вычислителе каждому из узлов графа соответствовала случайная молекула из 20 нуклеотидов. Соответственно, ребра графа, то есть соединения узлов, складывались из двух половинок: первые десять звеньев — 3′-хвост молекулы одного узла, а вторые десять — 5′-хвост второй. Ребра таким образом становились векторами: i→j-последовательность нуклеотидов отличалась от j→i-последовательности. Это и нужно для того, чтобы синтезировать непрерывные траектории, последовательно идущие через узлы графа.

Биопроцессор Адлемана использовал ДНК в качестве носителя информации, а для операций над ней — полимеразу и лигазу, которые, соответственно, синтезировали новые цепочки нуклеиновых кислот и сшивали их друг за другом.

Расчеты, которые сам Адлеман в уме производил за минуту, у его компьютера заняли неделю. Это был успех — наивный эксперимент продемонстрировал принципы ДНК-вычислений. Работа стала основополагающей для всего направления «дезоксирибонуклеинового IT» и следующие несколько лет вдохновленные примером Адлемана ученые строили аналогичные ДНК-схемы для решения похожих комбинаторных задач.

Оценки показывали, что если правильно спроектировать эксперимент и минимизировать потери времени на лабораторные процедуры, то для решения NP-полных задач компьютер на ДНК может оказаться эффективнее классической машины. Компьютер Адлемана проводил больше тысячи операций с производительностью 100 терафлопс — классические компьютеры достигли таких показателей только к 2005 году.

Квантовые машины в те времена ничего решать не умели, так что даже компьютерами называться не могли. И ДНК-вычислители, несмотря на отсутствие теоретической базы (которая у квантовых как раз была), оказались на несколько шагов впереди. Их архитектура позволяла проводить огромное число параллельных вычислений в виде одновременных реакций молекул друг с другом. Оставалось найти под такие возможности подходящие задачи.

Логические вентили

Эстафету у Адлемана принял информатик-теоретик Ричард Липтон. В 1995 году он приспособил еще одну NP-полную задачу для вычисления в пробирке. В его эксперименте перед нуклеиновыми кислотами ставился вопрос о выполнимости булевых формул — нужно было доказать, что формулу, в которой есть только булевые переменные (то есть которые могут принимать значение 0 или 1), скобки и операторы И, ИЛИ и НЕ, можно выполнить. То есть найти набор значений, при которых формула оказывается верной.

Эта задача отличается от задачи с графом, которую решал вычислитель Адлемана. Но Липтон не придумал ничего нового в архитектуре ДНК-процессора. Вместо инженерной задачи он решил чисто математическую — как свести задачу выполнимости к задаче на графе. Так что никаких принципиальных модификаций в оригинальный ДНК-вычислитель вносить не пришлось.

Классическая машина решает задачу о выполнимости булевой формулы с n переменными, просто перебирая по очереди 2n ее вариантов на истинность. Алгоритм Липтона делает ровно то же самое, никакого процедурного ускорения в нем нет: ДНК-процессор справляется быстрее просто потому, что распараллеливает этот перебор.

В 1996 году нуклеотидный процессор научили складывать двоичные числа. В 1997 — он решил задачу поиска в графе максимальной клики — то есть такого набора вершин графа, в котором все со всеми попарно соединены. В 2001 году Эхуд Шапиро, еще один классик теории программирования, запатентовал полноценную машину Тьюринга, основанную на ДНК-вычислениях с помощью ферментов. Построена она на тех же принципах, которые развивали Адлеман, Липтон и другие энтузиасты.

Перспектива проводить параллельные ДНК-вычисления сразу на триллионах или даже квадриллионах молекул вселила в ученых надежду на решение NP-полных задач, слишком тяжеловесных для последовательных вычислений на классическом компьютере.

Все задачи, которые к тому моменту решили нуклеиновые кислоты, брались из классической информатики. Поэтому и ставились перед нуклеотидами на языке двоичной логики — и решались, соответственно, на нем же. Хотя, как и для квантовых вычислений, двоичная система для ДНК-платформы не очень естественна: в молекулах ДНК четыре разных нуклеотида, а не два.

Но полноценно возможности четверичной нуклеотидной логики в этих схемах не использовались. Если проблему перевода информации из двоичного кода в четверичный в контексте ДНК вскоре изучили довольно подробно, то вопрос о том, как из четверичных элементов строить логические вентили, оставался совсем мало проработанным. Молекулы были способом представления битов. Много молекул с нужной структурой — единица, мало — ноль.

Разочарование

Скептические комментарии по поводу будущего ДНК-платформ зазвучали еще в 1994 году, сразу после выхода статьи Адлемана. И во многом были справедливы. К 2000 году проблем с ДНК-процессорами накопилось достаточно много, чтобы перспективы нуклеотидных вычислителей перестали казаться радужными. Их можно разделить на четыре группы.

Физические ограничения. Адлеман решил задачу поиска гамильтонова цикла на семи узлах за неделю в нескольких пробирках. Чтобы решить такую же задачу хотя бы на двух десятках узлов, по расчетам, нужны уже килограммы ДНК. А универсальному вычислителю для решения комбинаторных задач, по некоторым оценкам, нужно еще почти на 50 порядков больше олигонуклеотидов — примерно 1070 молекул.

Область применения. Физические ограничения сужают и горизонт возможностей молекулярных машин: задачи, которыми изначально планировали их загружать, вероятнее всего, для них неподъемны. Так, дешифрование данных, закодированных по классическим протоколам, — задача, которую сейчас хотят решать на квантовых вычислителях, — для ДНК не под силу. На взлом 256-байтного ключа будет нужно 10^1233 цепочек ДНК — и компьютер объемом примерно 10^1216 литров. Это примерно 10^1199 Каспийских морей. Стало понятно, что вместо прямого переноса известных задач для нуклеиновых кислот надо искать другие.

Накопление ошибок. О том, что ошибки могут заглушить всю процедуру вычислений, беспокоился еще Липтон — в своей пионерской статье он назвал их основной проблемой на пути к созданию полноценного ДНК-компьютера. Годы спустя эти вычислители так и остались очень плохо масштабируемыми. 99-процентная точность, которая для одной операции кажется более чем приемлемой, для сотни последовательных действий становится уже меньше 40 процентов.

Неуниверсальность. Каждая из предложенных схем ДНК-процессора в лучшем случае была машиной Тьюринга, собранной под одну конкретную логическую задачу. В каждой есть определенный набор элементов, определенный протокол действий, они не ограничены во входной информации — и способны уверенно решать конкретную логическую задачу. Но только ее.

В то же самое время забуксовали и квантовые соперники ДНК-вычислителей. В конце 90-х лидерами квантовой гонки были компьютеры, которые производили вычисления с опорой на ядерно-магнитный резонанс. А в итоге столкнулись примерно с теми же проблемами. В 2001 году на ядерных спинах собрали схемы для выполнения алгоритма Шора сразу из семи кубитов — значительно больше, чем у всех альтернативных квантовых платформ. Но дальнейшее масштабирование оказалось невозможным из-за слишком высокого уровня шума. Сейчас о квантовых вычислителях на ядерно-магнитном резонансе вспоминают лишь как об историческом казусе — весь дальнейший прогресс связан с системами, которые в начале века сильно отставали.

В итоге об универсальных ДНК-компьютерах в начале 2000-х говорить перестали, а теоретики компьютерных наук постепенно переключились на другие задачи. Адлеман выпустил в XXI веке всего несколько статей про ДНК-вычисления и самосборку биомолекул в компьютерном контексте, Ричард Липтон сфокусировался на чисто математических и компьютерных исследованиях, а Эхуд Шапиро, хотя и продолжил выпускать статьи по «живой» логике, со временем переключился с ДНК на другие био-логические элементы — клетки.

Параллельные ошибки

Область, несмотря на общий пессимизм, не зачахла. Но фокус исследований сместился. В вычислениях на молекулах оставалось слишком много ошибок, и все еще оставалось непонятно, как их масштабировать и универсализировать. Поэтому на место математиков пришли биохимики, молекулярные биологи и биоинформатики, которые вместо того, чтобы работать над базовыми принципами логических схем ДНК-вычислителя, занялись усовершенствованием молекулярного инструментария.

В частности, для решения некоторых комбинаторных задач стали активнее использовать прикрепление олигонуклеотидов к подложке. Это позволило упростить масштабирование логических схем: после логической операции нужные олигонуклеотиды остаются пришитыми к твердой поверхности и их можно использовать дальше, а лишнее просто вылить вместе с раствором. А негибридизованные одноцепочечные молекулы (то есть тоже лишние) отдать на съедение экзонуклеазам кишечной палочки.

Впрочем, полностью избавиться от ошибок таким образом не удалось. Больше пяти процентов лишних цепочек оставались на поверхности после нескольких циклов очистки. Поэтому главная проблема, присущая ДНК-вычислителям, оставалась нерешенной.

Другие ошибки, мутационные, также продолжали накапливаться в ходе многостадийных вычислений. Бороться с ними ученые предлагали двумя способами: либо всеми возможными способами предотвращать их, либо брать работающие с ошибками схемы и устранять в них последствия этих ошибок.

Для сокращения их числа пытались подбирать оптимальную скорость реакций, управляя температурой и концентрацией реагентов, или, например, отсеивать олигонуклеотиды с ошибками. Эти варианты, впрочем, также не были универсальными, а придумывались под конкретные задачи и сильно зависели от процедуры и от платформы, на которой работает вычислитель (а к тому времени типов ДНК-процессоров было уже не меньше пяти).

Исправлять мутационные ошибки предлагали либо на этапе работы с ДНК, либо при секвенировании, либо во время обработки информации уже в цифровом виде. В отдельных случаях справляться с последствиями естественных мутаций и паразитного сигнала удавалось довольно успешно, но и придумать универсальные методы так и не удалось: для каждой конкретной задачи приходилось разрабатывать свой способ устранения проблемы.

В поисках более универсального и точного способа считать на ДНК биохимики стали перебирать альтернативы гибридизации, которой пользовались Адлеман и Липтон.

Некоторые ученые отказались от ферментативных реакций. Сначала Милан Стоянович и Дарко Стефанович стали вместо ферментов использовать дезоксирибозимы — олигонуклетиды с функциями ферментов. Например, с помощью дезоксирибозима с функцией рибонуклеазы, способного разрезать молекулы РНК, они сделали вычислитель с 23 последовательными логическими вентилями и научили его играть в крестики-нолики на поле три на три.

Замещая замещением

А затем биохимики придумали логику на каскадах замещения цепи (strand displacement cascades). Эта схема основана на самосборке молекул ДНК и обратимом комплементарном связывании одноцепочечных олигонуклеотидов, и если все пройдет как надо, то пробирка с ДНК начнет светиться. Медиаторы в этой схеме — не ферменты, а другие нуклеотидные последовательности. Рабочий олигонуклеотид, который несет нужную информацию, присоединяется к вспомогательным олигонуклеотидам, которые работают вентилями.

Олигонуклеотид, который попадает в систему в форме ввода, запускает каскад реакций замещения цепи между теми реагентами, уже находящиеся в системе, и передает таким образом сигнал. Конечным шагом этой цепочки реакций становится связывание одной из нуклеиновых кислот с красителем, в результате которого устройство начинает светиться. Ничего резать или копировать в такой схеме не нужно, а значит не нужны и ферменты. Оттого и дополнительные ошибки от работы ферментов в процессе вычислений не возникают.

Такая платформа удовлетворяет базовым критериям архитектуры логической цепи: здесь реализованы логические функции И, ИЛИ и НЕ, они могут выполнять разветвленные и каскадные алгоритмы, имеют блочную структуру и могут восстанавливать сигнал. Это уже не однозадачная машина Тьюринга. А в 2011 году ученые еще и показали, как эту схему можно масштабировать, добавив в нее «качельные» (toehold) вентили, которые за счет обратимой реакции замещения цепи в нужный момент переносят статус «активного» с одного олигонуклеотида на другой. И если до этого начальное состояние вычислителя включало не больше 12 разных молекул ДНК, то за счет модификации это число увеличилось до 74. Таким образом удалось значительно увеличить производительность вычислителя: схема, в которой суммарно на разных стадиях было 130 разных олигонуклетодов, могла уже считать квадратные корни четырехзначных двоичных чисел.

Нейросеть из ДНК сделали в том же 2011 году на базе уже существующих логических вентилей в каскаде замещения. Она извлекала нули и единицы из концентрации олигонуклеотидов с определенной последовательностью: выше порога 1, ниже — 0. По мнению авторов, эта нейросеть должна была в результате производить реагенты для последующих биохимических реакций. Но конструкция оказалась слишком громоздкой и сложной, поэтому серьезного развития эта идея не получила. По данным Google Scholar, у этой работы почти тысяча цитирований, но в большинстве из них она упоминается как красивая работа с необычным подходом. Вернулись к идее нейросетей из ДНК только на фоне ажиотажа уже в конце 2010-х, но не для логических задач: использовать нуклеиновые нейросети сейчас предлагают для распознавания молекул или диагностики болезней.

Но на фоне этих успехов число энтузиастов ДНК-вычислений продолжало неумолимо сокращаться. Никаких значительных прорывов ни в бесферментных, ни в гибридизационных вычислениях не произошло. После 2010 года цитировать классические статьи Адлемана и Липтона в научной периодике стали все меньше и меньше.

Сейчас одни ученые продолжают совершенствовать качельную логику и каскадные схемы, другие вернулись к идее использования ферментов, третьи объединяют эти подходы. Например в 2019 году биохимики собрали из полимеразы и нескольких ДНК-вентилей единый арифметический элемент и частично решили проблему сборки интегральных схем. А другие научили свой процессор считать квадратные корни из 900.

Но судя по количеству публикаций, от прежнего воодушевления уже ничего не осталось. Несмотря на отдельные успехи, вычислительные возможности логических элементов из ДНК так и остаются крайне ограниченными, и никаких чудес от технологии никто не ждет. Она просто продолжает тихо развиваться как независимая логическая платформа.

Подходящие информационные задачи всё же нашлись

Нуклеиновые кислоты остаются очень эффективным способом кодирования информации — на элементах сразу с четырьмя возможными значениями: А, Т, Г и Ц. Поэтому вместо того, чтобы строить на ДНК компьютеры, молекулярный биолог Джордж Черч предложил использовать их в качестве носителя информации. В простейшей схеме каждой паре двоичных чисел — 00, 01, 10, 11 — сопоставляется один нуклеотид. Одно только это дает возможность сократить запись в два раза, а если перейти к кодированию информации в четверичной системе счисления — по числу различных нуклеотидов — то паковать данные можно будет еще плотнее. Пока что чаще используется промежуточный вариант: двоичный код переводят в ДНК с помощью системы кодирования, используя троичную систему счисления.
Молекулы нуклеиновых кислот, если их не перегревать, очень устойчивы. Поэтому если не давать им участвовать ни в каких реакциях, случайных ошибок в них не возникнет. Переносить данные с полупроводниковых носителей на нуклеотидные и обратно можно практически со стопроцентной точностью — в 2016 году на ДНК записали 200 мегабайт данных, а в 2018-м Massive Attack переиздала свой альбом Mezzanine в виде пробирки с ДНК.

Биологика

Все вычислительные задачи для ДНК за тридцатилетнюю историю так и не вышли толком за пределы бинарификации последовательности биохимических реакций. Несмотря на обилие технических ухищрений, широкий арсенал операций и внушительную информационную емкость носителя, логика задач, предлагаемых нуклеиновым кислотам, сводилась к двоичной, а сигнал — к бинарному выводу, много ли в итоговой смеси нужных молекул (1) или мало (0).

Квантовые компьютеры благодаря суперпозиции не только расширили возможности двоичной логики просто за счет того, что не нужно перебирать огромное число вариантов, а еще и предложили принципиально новые алгоритмы. С ДНК ученые фактически просто ускорили этот перебор за счет параллельных вычислений.

Помимо этого, квантовые процессоры используют не только для того, чтобы сконструировать универсальный вычислитель. Сегодня они в первую очередь занимаются тем, что транзисторам дается с трудом: например моделированием квантовых систем и решением оптимизационных задач. Аналогичную нишу искали и для ДНК-процессоров.

Логика ДНК строится на химических реакциях, поэтому и применять ее логично не где-то для алгебраических вычислений, а где-то в области химии. А с учетом того, что базовая вычислительная логика молекулам ДНК тоже уже доступна, можно использовать их как промежуточное звено между цифровым интерфейсом и молекулами-участниками химической реакции и управлять таким образом молекулярными машинами и нанороботам.

Например, с помощью той же самой схемы каскадного замещения биохимики научились управлять белковыми нанороботами. На выходе в ДНК-логической цепи получаются аптамеры, небольшие олигонуклеотидные молекулы, которые связываются с целевыми белками и управляют ими. Из небольших олигонуклеотидных молекул делают программируемые химические контроллеры, «ДНК-роботов» используют для сортировки молекул, для управления роем микротрубочек или биороботами.

Когда в 90-е годы «информатики-теоретики» в предвкушении кризиса полупроводниковых компьютеров стали искать новые платформы для вычислений, они решали свои, вполне конкретные, проблемы, а не придумывали задачу для нового инструмента. Реальность же оказалась немного иной. Современные квантовые компьютеры, которые удается интегрировать с классическими, конечно, помогают и в вычислениях. С задачами оптимизации квантовые компьютеры справляются увереннее классических (подробнее об этом читайте в тексте «Разминка для кубита»). И пользу от квантовых компьютеров извлекают физики, а не информатики, — моделируя на них квантовые системы.

Решение вычислительных задач на биомолекулярных компьютерах выглядит еще более неуклюжим, чем на квантовых. И их будущее — скорее за молекулярными роботами и системами биохимического контроля. За биомолекулярным превосходством тоже охотятся, но уже на более высоком уровне. Например, в синтетической биологии в качестве вычислительных элементов биомолекулярных компьютеров предлагают использовать искусственные клетки, а возможность на них решать более сложные задачи называют «клеточным превосходством». Это значительно более сложные системы: на молекулы ДНК здесь ложится информационная нагрузка, а за логику отвечают клетки. Но и они нужны далеко не за тем, чтобы что-то считать.

Собрать из нуклеиновых кислот суперкомпьютер мы не смогли. Зато научились использовать то, что они совершенно точно делают очень хорошо. Возможно и впредь, вместо того, чтобы переучивать кого-то, стоит внимательнее изучить их возможности — и потребности.

Источник

Применение распределенных вычислений в астрономии

В настоящее время астрономия активно развивается не только благодаря использованию

прямых наблюдений в разных диапазонах электромагнитного спектра. Многие объекты и процессы непосредственно зафиксировать бывает довольно затруднительно. Поэтому используются различные методы косвенного обнаружения и исследования на основании имеющихся данных. И тут без анализа больших объёмов информации не обойтись. В таких случаях на помощь приходят распределённые вычисления, суть которых состоит в том, что объёмная вычислительная задача делится на множество небольших заданий, которые раздаются на компьютеры пользователей через интернет, вычисления производятся локально, после чего готовые результаты отправляются обратно на сервер научного центра.

История применения распределённых вычислений в области астрономии начинается с 17

мая 1999 года, когда был запущен знаменитый проект SETI@Home, который занимается поиском сигналов внеземных цивилизаций. Основатели проекта – Д. Геди и К. Кэснов из лаборатории космических исследований Калифорнийского университета в Беркли. На радиотелескопе обсерватории Аресибо (Пуэрто-Рико) записывается космический шум. Любой пользователь, подключенный к сети интернет, может установить на свой компьютер программу-клиент для проекта SETI@Home. Эта программа скачивает через интернет с серверов проекта небольшую порцию данных, записанных с радиотелескопа, и в течение нескольких часов обрабатывает их. Обработка заключается в попытке выделить из космического (и техногенного) шума сигналы, возможно принадлежащие внеземным цивилизациям.

Следующим большим шагом в истории развития распределённых вычислений стал момент, когда разработчики из того же самого университета

Беркли решили создать для своего проекта SETI@Home программную платформу BOINC. А после появления универсальной версии этой платформы, вслед за SETI@Home на её основе возникло множество проектов распределённых вычислений из различных областей науки. Да и сам проект SETI@Home за несколько лет значительно видоизменился. Постоянно совершенствуется и оптимизируется счётный модуль. Основная работа по совершенствованию счётного модуля велась в направлении, чтобы счётный модуль смог игнорировать помехи и сигналы земного происхождения.

В 2008 году помимо основного приложения, которое анализирует данные в диапазоне частоты 1420 МГц, было запущено ещё и новое, дополнительное приложение Astropulse, которое в рамках этого же проекта изучает данные в значительно более широком диапазоне частот. До середины 2011 года проект SETI@Home анализировал данные, просто записанные радиотелескопом с различных участков неба. Однако с середины 2011 года проект начал исследовать звёздные системы, где были открыты экзопланеты.

Для исследований были выбраны 86 планет, ранее обнаруженных космическим телескопом Kepler. Из множества открытых экзопланет, для исследований были отобраны именно те 86, температура поверхности которых от 0 до 100 градусов, т.е.

подразумевает наличие воды в жидкой фазе. Таким образом, поиски в SETI@Home стали более целенаправленными.

Наконец, в проекте SETI@Home, помимо счётных приложений для центрального процессора, были созданы и запущены в работу приложения, использующие для счёта графические процессоры видеокарт NVidia и ATI. У современных видеокарт имеются десятки и даже сотни графических процессоров и разработаны библиотеки (CUDA, OpenCL), позволяющие задействовать их не для обработки графических изображений, а для параллельных математических вычислений. Приложения для видеокарт в проекте распределённых вычислений SETI@Home предоставляют возможность в десятки раз ускорить выполнение задания по анализу сигнала, записанного с радиотелескопа.

До сих пор в мире проект SETI@Home остаётся одним из самых популярных среди всех (не только астрономических) проектов добровольных распределённых вычислений. К концу июня 2014 года в проекте приняло участие свыше 1,4 миллиона человек со всего мира, было подключено свыше 3,6 миллионов компьютеров. В начале 2012 года, после того, как полгода производился анализ сигналов из звёздных систем, где есть экзопланеты, было обнаружено несколько подозрительных сигналов, однако пока нет точной уверенности, что они произведены именно внеземным разумом, а не являются земными помехами. Телескоп Kepler открывает по многу экзопланет в день, поэтому вероятность обнаружения внеземных цивилизаций все же пока остается весьма низкой.

Но рассмотрим и другие проекты распределённых вычислений, ведущие исследования

в области астрономии. Вторым по популярности среди пользователей является проект Einstein@Home (см. рисунок в начале статьи). Этот проект был запущен в 2005 году. Проект координируется Университетом Висконсина-Милуоки (Милуоки, США) и Институтом гравитационной физики имени Макса Планка (Ганновер, Германия). В проекте поставлено несколько задач. Ведётся обработка данных, поступающих сразу из нескольких обсерваторий. Данные, идущие с двух интерферометров обсерватории LIGO (Лазерно-интерферометрической гравитационно-волновой обсерватории) и интерферометра GEO600 анализируются проектом с целью проверки гипотезы Эйнштейна о существовании гравитационных волн. С 2009 года в рамках проекта начался поиск радиопульсаров. Для решения этой задачи анализируются данные, полученные с радиотелескопа обсерватории Аресибо (Пуэрто-Рико) и радиотелескопа обсерватории Паркс, которая находится в Австралии. Открывшему пульсар в Einstein@Home высылается именной сертификат в рамочке от руководителя проекта Брюса Аллена. К настоящему времени (август 2017 года) проектом обнаружено 54 новых радиопульсаров (1 в 2010 году, 15 в 2011, 30 в 2012, 1 в 2013, 1 в 2014 и 5 в 2015 году).

Также в рамках этого проекта производится поиск гамма-пульсаров, для чего анализируются данные, полученные в гамма-обсерватории Fermi. При анализе данных с гамма-телескопа GLAST за 4 прошедших года были открыты 18 гамма-пульсаров.

Две другие активные задачи этого проекта в настоящее время являются поиск гравитационных волн от направления, соответствующего сверхновой Кассиопея A и подробное исследование рукава Персея на предмет поиска радиопульсаров. Прочитать подробнее о проекте и ознакомиться с его открытиями Вы можете на странице

http://ru.wikipedia.org/wiki/Einstein@Home.

Совсем недавно, летом 2012 года, в Международном центре радиоастрономических

исследований (The International Centre for Radio Astronomy Research) стартовал новый проект the SkyNet POGS. Цель этого проекта – создать многоволновый атлас ближайшей Вселенной в ультрафиолетовом, оптическом и инфракрасном диапазонах. Для этого на компьютерах добровольцев обрабатываются данные, полученные с трёх разных телескопов (GALEX – орбитальный космический телескоп, работающий в ультрафиолетовом диапазоне; система оптических телескопов PanSTARRS1; инфракрасный космический телескоп WISE). Проектом изучаются такие физические параметры, как звёздная масса галактик, поглощение излучения пылью, масса пылевой компоненты, скорость образования звёзд. Адрес, который нужно ввести в BOINC для подключения к проекту the SkyNet POGS следующий: http://pogs.theskynet.org/pogs/ Также интересно отметить, что программа-планетарий Stellarium может показать пользователю все галактики, которые были обработаны на его компьютерах.

Также недавно теми же разработчиками, что и theSkyNet POGS, был запущен новый проект theSkyNet Sourcefinder https://sourcefinder.theskynet.org/duchamp/ . Он занимается моделированием поиска расположения радиоисточников в определённом заданном кубе

данных. Пока проект находится в стадии тестирования (на смоделированных данных

тестируется счётное приложение), но в будущем этот проект будет вести уже анализ реальных полученных данных. Однако этот проект для расчётов помимо BOINC использует ещё и виртуальную машину Oracle VirtualBOX, а, следовательно, очень требователен к оперативной памяти компьютера и потребляет большой Интернет-трафик.

Также недавно был запущен новый проект Asteroids@Home. Его цель – определение формы, параметров вращения и направление оси вращения астероидов по данным фотометрических наблюдений. Проект обрабатывает данные из Центра малых планет (MPC). Уже получены первые научные результаты, которые опубликованы на странице проектаhttp://asteroidsathome.net/scientific_results.html. Чтобы присоединиться к проекту Asteroids@home, в BOINC нужно ввести адрес: http://asteroidsathome.net/boinc/ .

В начале января 2014 года в проектеAsteroids@Home помимо счётного приложения для

центрального процессора было выпущено счётное приложение, которое не использует центральный процессор, а считает только на видеокартах NVidia.

Это приложение во много раз позволяет ускорить время расчёта одного задания.

Помимо основных проектов распределённых вычислений есть также вспомогательные, тестовые проекты. Это два проекта – SETI@Home Beta (адрес для подключения: http://setiweb.ssl.berkeley.edu/beta/) и Albert@Home (адрес для подключения: http://albert.phys.uwm.edu/). Они не занимаются научными расчётами, а ведут расчёты только для теста новых программных счётных модулей, недавно разработанных. Соответственно, SETI@Home Beta тестирует новые счётные модули для основного проекта SETI@Home, а проект Albert@Home занимается тестом новых счётных модулей для проекта Einstein@Home. Однако участие пользователей в этих двух проектах также очень важно и интересно. Ведь чем быстрее будут протестированы и отлажены новые счётные модули в тестовом проекте, тем быстрее они будут выпущены в основной проект, и тем быстрее он будет продвигаться. Поэтому сейчас присоединиться к счёту проектов SETI@Home Beta и особенно Albert@Home может быть также интересно для многих пользователей, желающих внести вклад в развитие астрономии с помощью распределённых вычислений. Также из области астрономии существует проект Orbit@home, который изучает траектории движения всех малых тел, проходящих рядом с Землёй. В 2008 году проектом смоделировано падение астероида 2008 TC3 на теневую сторону Земли. Однако в настоящее время проект временно приостановлен. Но его в ближайшем будущем всё же планируют запустить снова. Следите за новостями на сайте проекта http://orbit.psi.edu/ и сайтах статистики распределённых вычислений (например,http://boincstats.com/ ), когда он будет снова запущен и какой будет его новый адрес.

Принять участие в проектах распределённых вычислений может каждый. Для этого достаточно иметь современный компьютер и постоянное подключение к Интернету (желательно по безлимитному тарифу, поскольку, например, проекты Albert@Home и Einstein@Home потребляют достаточно большой трафик для загрузки данных для

анализа). На компьютер нужно установить программную оболочку BOINC, которую можно загрузить с официального сайта по ссылке

http://solidstate.karelia.ru/~yura/pyldin/yura/ekrans2/boinc... приведена иллюстрация процесса установки программы BOINC, она достаточно проста и сложностей не вызывает. После подключения к проекту можно зайти в созданный аккаунт на его сайте и выбрать настройки, такие, как например, получать ли задания для видеокарты или только для

центрального процессора и другие.

Помимо астрономических проектов можно также подключить в BOINC и поддержать несколько отечественных российских проектов, ведущих исследования в других областях науки, например: Acoustics@home http://www.acousticsathome.ru/boinc/ - проект для решения обратных задач в подводной акустике. SAT@home http://sat.isa.ru/pdsat/ - различные задачи в области математики. XANSONS for COD http://xansons4cod.com/xansons4cod/ - проект из области материаловедения. Все заинтересовавшиеся могут получить ответы и поддержку на многих русскоязычных сайтах и форумах, посвящённых распределённым вычислениям. Основная мотивация к участию в проектах распределённых вычислений – это помощь науке, стремление принять участие в научных исследованиях, тем более что в данном случае от пользователя практически ничего не требуется (задания на компьютере выполняются в фоновом режиме на низком приоритете и поэтому незаметно для пользователя). Кому-то может быть будет даже интересно посоревноваться в количестве выполненных заданий с другими участниками или командами. Но основное – это привлечь практически неиспользуемый во время набора текста или использования интернета процессор и видеокарту на решение многих интересных научных задач в области астрономии.