Respuesta de Soundbite: la computación de ADN no proporciona una varita mágica para resolver problemas de NP completo, a pesar de que algunos investigadores respetados en la década de 1990 pensaron por un tiempo que podría.
El experimento inaugural de computación de ADN se realizó en un laboratorio dirigido por el reconocido teórico de números Len Adleman. Adleman resolvió un pequeño problema de vendedor ambulante, un conocido problema de NP completo, y él y otros pensaron por un tiempo que el método podría ampliarse. Adleman describe su enfoque en este breve video , que me parece fascinante. El problema que encontraron fue que para resolver un problema de TSP de tamaño modesto, necesitarían más ADN que el tamaño de la Tierra. Habían descubierto una forma de ahorrar tiempo al aumentar la cantidad de trabajo realizado en paralelo, pero esto no significaba que el problema de TSP requiriera menos recursos exponenciales para resolver. Solo habían cambiado el costo exponencial de la cantidad de tiempo a la cantidad de material físico.
(Hay una pregunta adicional: si necesita una cantidad exponencial de maquinaria para resolver un problema, ¿requiere automáticamente una cantidad exponencial de tiempo, o al menos preprocesamiento, para construir la maquinaria en primer lugar? Dejaré ese problema a un lado, sin embargo)
Este problema general, que reduce el tiempo que requiere una computación a expensas de algún otro recurso, ha aparecido muchas veces en modelos de computación de inspiración biológica. La página de Wikipedia sobre computación de membranas (una abstracción de una célula biológica) dice que cierto tipo de sistema de membranas puede resolver problemas NP-completos en tiempo polinómico. Esto funciona porque ese sistema permite la creación de muchos subobjetos exponencialmente dentro de una membrana global, en tiempo polinómico. Bueno ... ¿cómo llega una cantidad exponencial de materia prima del mundo exterior y entra a través de una membrana con área de superficie constante? Respuesta: no se considera. No están pagando por un recurso que la computación de otra manera requeriría.
Finalmente, para responder a Anthony Labarre, quien se vinculó a un artículo que muestra AHNEP puede resolver problemas de NP completo en tiempo polinómico. Incluso hay un documento que muestra que los AHNEP pueden resolver 3SAT en linealhora. AHNEP = Aceptando la red híbrida de procesadores evolutivos. Un procesador evolutivo es un modelo inspirado en el ADN, cuyo núcleo tiene una cadena que en cada paso se puede cambiar por sustitución, eliminación o (importante) inserción. Además, un número arbitrariamente grande de cadenas está disponible en cada nodo, y en cada paso de comunicación, todos los nodos envían todas sus cadenas correctas a todos los nodos conectados. Entonces, sin costo de tiempo, es posible transferir cantidades exponenciales de información, y debido a la regla de inserción, las cadenas individuales pueden ser cada vez más grandes en el transcurso del cálculo, por lo que es un doble golpe.
Si está interesado en un trabajo reciente en biocomputación, realizado por investigadores que se centran en cálculos que son prácticos en el mundo real, puedo ofrecerle esta reseña del libro que escribí recientemente para SIGACT News, que trata brevemente sobre múltiples áreas.