לשמור קובץ בתוך מולקולה

כמות המידע הדיגיטלי בעולם גדלה בקצב שקשה לתפוס. לפי הערכה שמצוטטת במאמר, בשנת אלפיים עשרים וחמש הכמות גדולה בערך פי חמישה מזו שהייתה בשנת אלפיים ושמונה עשרה. הגידול נובע מטלפונים חכמים, מרשתות חברתיות, ממערכות בינה מלאכותית ומחיישנים שמודדים ומתעדים ברציפות. המידע הזה חייב להיות מאוחסן איפשהו, והמקום הזה הוא פיזי לגמרי.

מרכזי נתונים הם מבנים שמכילים אלפי שרתים. הם תופסים שטח גדול, דורשים חשמל ברציפות להפעלה ולקירור, וצריכת החשמל של מרכז אחד גדול משתווה לזו של עיר בינונית. נוסף על כך, אמצעי האחסון עצמם אינם מחזיקים מעמד לאורך זמן: תוחלת החיים של דיסק או של סרט מגנטי היא שלוש עד שלושים שנה בלבד, ולכן צריך להעתיק את המידע שוב ושוב.

ההצעה שהמאמר מציג היא לאחסן מידע דיגיטלי בתוך מולקולות דנא מלאכותיות. הרעיון נשמע מוזר, אבל הוא נשען על הבחנה פשוטה: דנא הוא בעצמו אמצעי אחסון. הוא שומר מידע ביולוגי בצורה צפופה ויציבה כבר מיליארדי שנים. אם אפשר לכתוב בו רצף כלשהו, אפשר לכתוב בו גם מידע שאינו ביולוגי.

שלושה יתרונות מוצגים במאמר. הראשון הוא צפיפות: לפי ההערכה שבמאמר, מכל בגודל אדם ממוצע שמלא במולקולות דנא יכול להכיל כמאה וחמישים מיליארד טרה-בייט, שהם בקירוב מאה וחמישים אלף מרכזי נתונים מודרניים. השני הוא יציבות: דנא נשמר במאובנים מאות אלפי שנים, בעוד אמצעי האחסון של היום מחזיקים עשרות שנים לכל היותר. השלישי הוא אנרגיה: דנא אינו צורך חשמל כדי להישמר.

המנגנון עצמו הוא תרגום בין שתי שפות. מידע דיגיטלי כתוב בשפה בינארית של אפסים ואחדים. דנא בנוי מארבעה בסיסים המסומנים באותיות A, C, G ו-T. ארבע אפשרויות הן בדיוק מה שאפשר לתאר בשני סיביות, ולכן מתאימים כל זוג ספרות בינאריות לבסיס אחד: אפס אפס לאות A, אפס אחת לאות C, אחת אפס לאות G, ואחת אחת לאות T. כך כל שמונה סיביות הופכות לארבעה בסיסים.

התהליך המלא כולל חמישה שלבים. תחילה מפרקים את הקובץ לחתיכות קטנות, משום שאפשר לייצר רק מולקולות קצרות. אחר כך מתרגמים כל חתיכה מבינארי לרצף בסיסים. בשלב השלישי מייצרים במעבדה את המולקולות בפועל, ובתהליך הזה נוצרים אלפי עותקים כמעט זהים של כל מולקולה, והם נשמרים בכלי בלי סדר מסוים. בשלב הרביעי קוראים את הרצפים, ובחמישי מתרגמים בחזרה לבינארי ומרכיבים מחדש את הקובץ.

שני פרטים בתהליך הזה חשובים במיוחד, ואי אפשר לדלג עליהם. הראשון הוא שהמולקולות נשמרות בלי סדר, ולכן חייבים להוסיף לכל חתיכה סימון שיאפשר להרכיב את הקובץ נכון. השני הוא שבייצור ובקריאה נוצרות שגיאות, ולכן משתמשים בריבוי העותקים כדי לזהות ולתקן אותן: אם רוב העותקים מראים בסיס אחד ומיעוטם בסיס אחר, סביר שהרוב הוא הנכון.

הטכנולוגיה עדיין בחיתוליה. הכתיבה איטית ויקרה, הקריאה אורכת זמן, ואין כאן פתרון למידע שצריך גישה מהירה ויומיומית. אבל דווקא בשביל ארכיונים, כלומר מידע שחייב להישמר עשרות ומאות שנים ונקרא לעיתים רחוקות, השילוב של צפיפות, יציבות ואפס צריכת חשמל הופך את הרעיון למעניין. וזוהי גם דוגמה יפה לכך שפתרון לבעיה בתחום אחד יכול לבוא מתחום אחר לגמרי.