В микрофлюидной сети развилка превращается в выбор: бактерия поворачивает в один канал или идёт дальше по другому. Если развилок много, разные клетки проходят разные маршруты одновременно. Пока они движутся, часть клеток делится, и число участников такого параллельного поиска растёт.

Именно так устроен экспериментальный биокомпьютер, описанный командой исследователей из Канады, Европы, Великобритании и Австралии. Работа вышла в открытом доступе в журнале Microsystems & Nanoengineering 11 августа 2026 года. Авторы, среди которых Ayyappasamy Sudalaiyadum Perumal и Dan V. Nicolau, проверили, может ли размножение бактерий усиливать вычисления в сети микроканалов. Их ответ сдержаннее громких формулировок о новом типе компьютера: механизм показан экспериментально, а предполагаемое соперничество с электронными системами оценено моделированием.

Как маршрут превращается в вычисление

Для проверки исследователи выбрали задачу о сумме подмножеств. Даны несколько целых чисел и целевая сумма. Нужно понять, можно ли выбрать часть чисел так, чтобы их сумма равнялась цели. При N числах существует 2 в степени N возможных подмножеств, поэтому полный перебор быстро становится трудным.

Команда закодировала варианты выбора в плоской сети микроканалов. В узле разделения (Split) бактерия могла пойти одним из двух путей. В узле прохода (Pass) она должна была продолжить движение в прежнем направлении, а узел объединения (Join) сводил потоки вместе. Поворот в одну сторону означал включить очередное число в подмножество, в другую сторону означал пропустить его. Каждый выход соответствовал сумме; бактерии, дошедшие до нужного выхода, показывали, что решение существует.

Логику здесь выполняет не отдельная клетка, работающая как электронный транзистор, а вся сеть маршрутов. Бактерии служат подвижными агентами: они исследуют каналы, встречают развилки и физически проходят разные варианты решения. Авторы взяли кишечную палочку Escherichia coli HCB437 и быстро делящуюся Vibrio natriegens. По снимкам микроскопа они подсчитывали бактерии у входа и выходов, а плотность траекторий использовали для восстановления пройденных путей. Эксперименты повторяли не менее трёх раз для каждого сочетания входных данных.

Что удалось показать в устройстве

На простых наборах чисел бактерии решали задачи с суммой до 42 и N=7 без заметных эксплуатационных затруднений. Одно вычисление наблюдали около 26 минут. За это время V. natriegens успевала пройти примерно два цикла удвоения. Значит, число агентов росло прямо во время прохождения сети, а не только до запуска вычисления.

Отдельно авторы проверили сеть, построенную по образцу треугольника Паскаля. В этом специальном тесте удалось различить выходы до № 175. Для N=100 исследователи сообщают, что смогли определить, существует ли решение в заданной конфигурации, которая формально соответствует 2 в степени 100 комбинациям. Это не означает, что система решила произвольную задачу с таким числом вариантов: речь идёт о конкретном кодировании, а тест проверял прежде всего работу сети и считывание результата.

И выход № 175, и результат для N=100 требуют оговорки. При N=200 изображение сети было доступно только до выхода № 175 из-за дефекта: участок канала не смачивался. Это техническая проблема устройства, а не установленный предел бактериального вычисления. Результат для N=100 относится к вопросу, есть ли решение, а не к полному перечислению всех решений для произвольного набора чисел.

Параллелизм растёт вместе с ошибками и теснотой

Размножение добавляет вычислительных агентов, но каждый агент должен правильно пройти узлы. В узлах прохода доля ошибочных переходов составила 1,3% для E. coli и 0,3% для V. natriegens. Даже редкие ошибки могут накапливаться на длинных маршрутах: бактерия, повернувшая не в ту сторону, добавляет шум к сигналу на выходе.

Масштабирование авторы оценили с помощью пространственной стохастической модели Монте-Карло. При частоте ошибок в узлах прохода около 1% расчёты показывают, что надёжное решение задач с N примерно от 10 до 15 ещё может быть различимо. Для N=30 и выше модель требует почти безошибочных узлов, например с ошибкой менее 0,01%. Это прогноз модели, а не результат крупного физического эксперимента.

Есть и предел, связанный с пространством. Чем дольше бактерии идут по сети, тем больше времени у них на деление, но тем больше клеток должны вместить каналы. Скучивание может замедлить движение и нарушить вычисление. В статье управление температурой и изменение конструкции каналов рассматриваются как возможные способы улучшения, но авторы не показывают, что температурное управление уже решило проблему переполнения в нынешнем устройстве.

Сравнение с электронными компьютерами пока расчётное

В статье классические электронные компьютеры названы самым быстрым и точным аппаратным обеспечением для вычислений. Сравнение с ними касается конкретной задачи и выбранного последовательного перебора вариантов, а не всех современных алгоритмов и архитектур. Исследователи моделировали работу электронных процессоров, а затем экстраполировали расчёты на AMD Ryzen Threadripper 3990X. Само бактериальное устройство напрямую с таким процессором не сопоставляли.

В быстром сценарии для V. natriegens расчётное время пересечения с оценкой для Ryzen приходится примерно на N=38. Для такого режима авторы оценивают объём бактерий примерно в один кубический метр. В более консервативном сценарии точка сравнения сдвигается примерно к N=55, а объём вырастает до десяти кубических метров. Эти цифры показывают цену прогнозируемого масштабирования, а не характеристики готового устройства.

Энергопотребление тоже не следует сводить к одной операции бактерии. Авторы оценивают её затраты на движение, но отмечают, что реальное потребление биологической системы выше: например, E. coli использует для движения лишь часть своей энергии. Электронной системе, в свою очередь, нужна энергия не только для процессора. Полное сравнение устройств по жизненному циклу в этой работе не проводилось.

Что означает результат

Исследование показывает конкретную возможность: деление подвижных бактерий может увеличивать число агентов, которые одновременно исследуют физически закодированные варианты решения. Это подтверждение принципа для одной задачи, а не демонстрация универсального вычислителя. Работа не доказывает, что система уже быстрее современных компьютеров, практична для криптографии или способна заменить электронные и квантовые устройства. Применение к другим задачам авторы обсуждают как перспективу, но в этом эксперименте его не испытывают.

Практический смысл здесь пока не в замене ноутбука бактериями. Важнее проверить, можно ли надёжно наращивать число маршрутов и агентов, не теряя точности из-за ошибок и тесноты. Для сравнения с другими необычными вычислительными подходами полезен и разбор того, какие задачи квантовый компьютер действительно сможет решать: в обоих случаях обещания о превосходстве нужно отделять от измеренных результатов и условий модели.

Первичная работа

Ayyappasamy Sudalaiyadum Perumal, Falco C. M. J. M. van Delft, Giulia Ippoliti и соавторы. «Усиление вычислительной мощности за счёт размножения бактерий, исследующих микрофлюидные сети, кодирующие математические задачи». Microsystems & Nanoengineering, 2026, том 12, статья 287. Рецензированная статья, открытый доступ. DOI: 10.1038/s41378-026-01341-x. Полный текст и PDF на сайте издателя.

Источники и литература

Концептуальная схема микрофлюидного биокомпьютера: числа кодируются каналами и развилками, бактерии проходят варианты маршрутов и делятся, а результат считывают по выходам и траекториям.

Фото: turek / Pexels