研究人员说，帮助肌肉收缩的分子有一天可以帮助推动一种新型的分子超级计算机。
这些生物计算机科学家补充说，可以迅速解决常规超级计算机将需要一辈子或更多时间才能破解的复杂问题。
现代的超级计算机非常强大。世界上最快的超级计算机Tianhe-2中国，能够每秒进行大约55亿亿亿美元的计算，这是台式计算机或视频游戏机的数千倍。
但是，常规超级计算机通常一次执行操作，一次执行操作。相比之下，大脑可以同时或并行执行许多操作。这人脑还通过化学将三磷酸腺苷或ATP化学转化为其他分子形式，从而为这些细胞过程提供动力，这是一种能节能过程，产生的热量远低于硅芯片。
这些因素可能部分解释了为什么大脑可以比传统超级计算机更快地解决某些问题，而消耗较少的功率。例如，人脑只能消耗约20瓦的功率，几乎不足以运行一个昏暗的灯泡，而天海2则消耗了约17.8兆瓦的功率，足以运行约900,000个这样的灯泡。 [您对大脑不了解的10件事这是给出的
生物计算机
现在，研究人员建议，ATP可以帮助一台新计算机供电，该计算机并行进行计算，就像人脑的所作所为一样。
研究高级作者Dan Nicolau Sr.是蒙特利尔麦吉尔大学的化学工程师Dan Nicolau Sr.告诉Live Science：“电子计算机可以很好地解决电子计算机可以很好地解决。
尼古拉（Nicolau）在十多年前开始与他的儿子，伯克利分校的儿子，学习的首席作者丹·尼古拉（Dan Nicolau Jr.）一起研究这个设备的想法。尼古拉长老在一份声明中说：“这始于一个朗姆酒过多的朗姆酒，用看起来像小蠕虫探索迷宫的图画。”
那些朗姆酒燃料的涂鸦最终变成了大约0.6英寸（1.5厘米）宽的正方形的，玻璃涂层的硅芯片，两位研究人员在其上蚀刻了微观的微观通道，每种宽度小于250纳米。 （这比可见光的波长更薄。）芯片及其微小通道网络看起来有点像城市路网的微型版本。
研究人员将蛋白质的纤维送到频道内游泳，就像在城市道路上行驶的汽车一样。这些“药物”正如科学家所说的那样，由肌动蛋白丝和微管组成，构成细胞内部结构的蛋白质。通过有助于肌肉收缩的分子电机（例如肌球蛋白）和动力素的分子电机（例如肌球蛋白），这些药物的推动，可帮助将货物运输在细胞内部。研究人员使用ATP为这些分子电动机供电，并将荧光标签添加到代理上以视觉跟踪它们。
代理进入设备的一个角落，可以从许多不同的出口离开。他们可以在芯片内几个连接处随机地将各种通道重定向。设备通道的布局对应于科学家想要解决的问题，而代理商选择的出口代表了潜在的答案。
棘手的问题
科学家在一系列问题上测试了他们的新设备NP完整问题。在这种难题中，人们可能能够快速确认任何给定的解决方案是否可以起作用，但不能迅速找到解决问题的最佳解决方案。
NP完整难题的一个经典示例是“旅行推销员问题”，其中有人获得了一个城市列表，并且必须从一个准确访问其他城市一次并返回起点的城市中找到最短的路线。尽管人们可能能够迅速找出一条路线是否到达所有城市，并且不会多次去任何城市，但确认这条路线是否是最短的，涉及尝试每一个组合。随着城市数量的增加，这种蛮力策略变得更加复杂。
研究人员说，解决这种问题可以改善商品运输和数据包的路线。 [改变世界的十大发明这是给出的
如果研究人员想使用他们的设备来攻击旅行推销员问题，他们会派出无数的分子在这些网络中徘徊，就像派遣数百万的旅行推销员从城市到城市，看看哪些道路是最有前途的道路，” Nicolau说。
在研究人员的最新实验中，他们在子集总和问题的NP完整版本上测试了他们的新设备。在此问题中，给出了一组整数 - 总数，例如1和负1，而不是诸如一半的整数 - 必须找到是否有一个总和为零的整数子集。
在使用三个整数（2、5和9）的实验中，研究人员几乎所有时间都表明他们的设备得到了正确的答案。研究人员在2月22日在线发布的一项研究中报道，该设备的每计算能量的消耗比电子计算机的消耗少约10,000倍。美国国家科学院期刊论文集。
研究人员说，找到解决这个简单问题的答案似乎很容易，但是新设备可以证明可以解决更复杂的芯片版本，可以解决更棘手的问题。例如，子集总和问题越来越困难，而整数越多地进行分析。 “现在最好的笔记本电脑将无法解决涉及前30的子集总和素数，” Nycolau说。
Nicolau说，先前的研究表明，“通过解决一个NP完整问题，可以解决所有问题。” “当然，如果我们的工作可以解决旅行人员问题，它可能会有非常实际的应用程序。”
虽然其他方法（例如量子计算）也同时执行许多计算，但量子计算机研究人员说，比新研究中使用的分子机器更容易中断。
研究人员说，这种方法的一个潜在限制是，目前，代理商在每个芯片的一个角落中都如何喂入设备。
尼古拉说：“您拥有的代理越多，喂养它们并进行计算所需的时间就越多。” “我们可以通过多种方法可以解决这个问题，例如将每个设备分为许多解决问题的设备。”
在Twitter上关注Charles Q. Choi@cqchoi。跟着我们@livescience，，，，Facebook和Google+。原始文章现场科学。
