Toekomstige quantumcomputer biedt mogelijke kansen voor detecteren van kanker

Een quantumcomputer maakt slim gebruik van quantummechanische effecten, en dat kan leiden tot exponentieel snellere algoritmes. Daardoor kunnen quantumcomputers in potentie complexe problemen oplossen die voor huidige computers praktisch onoplosbaar zijn, omdat de berekening op een klassieke computer eeuwen zou kunnen duren.

Voorspellen met data

Een vroege ontdekking van de kanker is essentieel voor succesvolle behandeling. Daarom wordt geprobeerd een model te ontwikkelen dat een voorspelling kan doen of kwaadaardige kanker zich gaat ontwikkelen in weefsel. Het bepalen van de belangrijkste factoren die een rol spelen bij de ontwikkeling van kanker is een van de grootste uitdagingen voor een goede voorspelling. ‘Supervised learning’, een onderdeel van Kunstmatige intelligentie, biedt veel potentie voor het maken van zo een model. Een grote dataset met bekende labels wordt aan een computer gegeven, die hier vervolgens zelf een model van maakt op basis van patronen gevonden in de dataset.

Meer rekenkracht gewenst

Supervised learning vereist een dataset die voldoende (gelabelde) data bevat. Hoeveel data genoeg is, hangt van het probleem af. Wanneer patronen in de data minder duidelijk zijn, is meer data nodig voor vergelijkbare resultaten. Anders dan bij bijvoorbeeld het herkennen van een handschrift, waar elke letter duidelijke onderscheidende eigenschappen heeft, is het vinden van bepalende eigenschappen voor de ontwikkeling van kwaadaardige kanker minder duidelijk. Om toch nuttige voorspellingen te kunnen doen zijn dus grote hoeveelheden data nodig en dat vereist een enorme rekenkracht. En hier zou quantum computing uitkomst kunnen bieden.

Quantumalgoritmes

Binnen TNO wordt gewerkt aan quantumalgoritmes die de meerwaarde van quantumcomputers kunnen aantonen. De huidige quantumcomputers zijn op dit moment nog niet in staat de gevraagde rekenkracht in te vullen. Daarom worden veel algoritmes gesimuleerd. Het quantumalgoritme om patronen bij het ontstaan van kanker te herkennen kunnen we simuleren met behulp van Quantum Inspire, een door QuTech ontwikkelde simulator van een quantumcomputer.

Op basis van een dataset met data over goedaardige en kwaadaardige kanker kan Quantum Inspire een voorspelling geven over een nieuw datapunt. In 80% van de gevallen wordt een nieuw datapunt correct geclassificeerd. Ondanks dat traditionele computers betere resultaten behalen door gebruik te maken van grotere hoeveelheden data, is de quantumcomputer in staat om het probleem vele malen efficiënter op te lossen. Dit demonstreert de potentiele impact van quantumalgoritmes op het hedendaagse leven. (Bron)