研究人員正在提出有關(guān)如何使用機器學(xué)習(xí)技術(shù)最好地研究諸如細胞和微生物等活性物質(zhì)的指南。該準則可以幫助其他人探索新領(lǐng)域，從而可以大大改善對活性物質(zhì)的研究。

實踐證明，機器學(xué)習(xí)對于研究活性物質(zhì)非常有用，活性物質(zhì)是指諸如細胞和微生物之類的統(tǒng)稱。該領(lǐng)域是一個新興的領(lǐng)域，并且發(fā)展迅速。為了激勵更多的研究人員嘗試這些方法，一組科學(xué)家在著名的《自然機器智能》雜志上發(fā)表了一篇論文，回顧了迄今為止已經(jīng)取得的成就以及未來的成就。

“我們概述了該領(lǐng)域在未來的發(fā)展方式，機遇與挑戰(zhàn)并存。人工智能和機器學(xué)習(xí)始終存在挑戰(zhàn)。本質(zhì)上，我們創(chuàng)建了一套準則，可以節(jié)省人們一些時間，并可能防止他們在處理過程中做錯事。”哥德堡大學(xué)物理系高級講師Giovanni Volpe說。

提出的有關(guān)在活動問題上利用機器學(xué)習(xí)的這些準則是相當實際的。首先，研究人員建議對所有使用的數(shù)據(jù)進行預(yù)處理，并且在應(yīng)用超出訓(xùn)練范圍的機器學(xué)習(xí)模型時應(yīng)格外小心。

Giovanni Volpe說：“最后，使用具有物理信息的模型非常重要。例如，這可能意味著您應(yīng)該嘗試使模型節(jié)省能源。”

當談到使用機器學(xué)習(xí)來研究活性物質(zhì)的好處時，該小組發(fā)現(xiàn)了許多好處。其中之一是，在處理活動物時，您可以獲得大量高質(zhì)量的數(shù)據(jù)，這些數(shù)據(jù)可用于訓(xùn)練機器學(xué)習(xí)模型并了解該模型如何工作。另一個優(yōu)點是，您可以在許多長度和時間范圍內(nèi)跟蹤系統(tǒng)的動態(tài)。

“您可以跟蹤從微秒到天的時間尺度的粒子。這意味著您可以將微觀動力學(xué)與大規(guī)模結(jié)果聯(lián)系起來。我們認為，這對于創(chuàng)建可以從很小的事物推斷出長期屬性的模型很有用。 ，反之亦然。您無法在其他系統(tǒng)(例如經(jīng)濟型系統(tǒng))中做到這一點，”喬瓦尼·沃爾佩(Giovanni Volpe)說。