هوش مصنوعی میتواند دادههای ذخیره شده در رشتههای DNA را در عرض 10 دقیقه بخواند، در حالی که روشهای قبلی به روزها زمان نیاز داشتند، و ذخیرهسازی DNA را به استفاده عملی در محاسبات نزدیکتر میکند.
دانیلا بار-لو از دانشگاه کالیفرنیا، سن دیگو میگوید: «DNA میتواند مقادیر عظیمی از داده را در شکلی بسیار فشرده ذخیره کند و برای هزاران سال سالم بماند.» «علاوه بر این، DNA به طور طبیعی قابل تکثیر است و یک مزیت منحصر به فرد برای حفظ طولانی مدت دادهها ارائه میدهد.»
اما بازیابی اطلاعات رمزگذاری شده در DNA یک چالش بزرگ است، زیرا رشتهها هنگام ذخیره شدن با هم مخلوط و درهم ریخته میشوند. در طول فرآیند رمزگذاری داده، رشتههای جداگانه گاهی اوقات به طور ناقص تکثیر میشوند و برخی از قطعات ممکن است به طور کامل از بین بروند. در نتیجه، خواندن دادههای ذخیره شده در DNA میتواند شبیه بازسازی یک کتاب از جعبهای پر از صفحات خرد شده و دارای غلط املایی باشد.
بار-لو میگوید: «روشهای سنتی با این هرج و مرج دست و پنجه نرم میکنند و به روزها پردازش نیاز دارند.» رویکرد جدید «این کار را با هوش مصنوعی که برای تشخیص الگوها در نویز آموزش داده شده است، ساده میکند.»
بار-لو و همکارانش یک روش مبتنی بر هوش مصنوعی به نام DNAformer را توسعه دادند که میتواند به سرعت و با دقت توالیهای DNA درهم ریخته را رمزگشایی کند. این سیستم شامل یک مدل هوش مصنوعی یادگیری عمیق است که برای بازسازی توالیهای DNA آموزش داده شده است، یک الگوریتم کامپیوتری جداگانه که خطاها را شناسایی و تصحیح میکند و یک الگوریتم رمزگشایی سوم که همه چیز را دوباره به دادههای دیجیتال تبدیل میکند در حالی که هر گونه اشتباه باقیمانده را برطرف میکند.
در آزمایشها، DNAformer میتواند 100 مگابایت داده ذخیره شده در DNA را تقریباً 90 برابر سریعتر از سریعترین روش بعدی بخواند - که با الگوریتمهای محاسباتی سنتی مبتنی بر قوانین توسعه یافته بود - در حالی که به دقت بهتر یا قابل مقایسه دست مییابد. دادههای رمزگشایی شده شامل یک تصویر رنگی از لولههای آزمایش، یک کلیپ صوتی 24 ثانیهای از سخنرانی معروف نیل آرمسترانگ فضانورد در هنگام فرود بر ماه و متن نوشته شده در مورد اینکه چرا DNA یک رسانه ذخیرهسازی داده امیدوارکننده است، بود.
عمر ساباری از تخنیون - موسسه فناوری اسرائیل میگوید: این تیم قصد دارد نسخههایی از DNAformer را متناسب با تکنیکهای جدیدتر برای رمزگذاری دادهها در DNA توسعه دهد.
او میگوید: «از آنجایی که رویکرد ما به روشهای خاص سنتز یا تعیین توالی [DNA] متکی نیست، میتواند با فناوریهای آینده و هنوز توسعه نیافته که ممکن است از نظر تجاری مقرون به صرفهتر باشند، سازگار شود.»
مرجع مجله: Nature Machine Intelligence DOI: 10.1038/s42256-025-01003-z