教育新闻网研究人员正在提出有关如何使用机器学习技术最好地研究诸如细胞和微生物等活性物质的指南。该准则可以帮助其他人探索新领域，从而可以大大改善对活性物质的研究。
实践证明，机器学习对于研究活性物质非常有用，活性物质是指诸如细胞和微生物之类的统称。该领域是一个新兴的领域，并且发展迅速。为了激励更多的研究人员尝试这些方法，一组科学家在著名的《自然机器智能》杂志上发表了一篇论文，回顾了迄今为止已经取得的成就以及未来的成就。
“我们概述了该领域在未来的发展方式，机遇与挑战并存。人工智能和机器学习始终存在挑战。本质上，我们创建了一套准则，可以节省人们一些时间，并可能防止他们在处理过程中做错事。”哥德堡大学物理系高级讲师Giovanni Volpe说。
提出的有关在活动问题上利用机器学习的这些准则是相当实际的。首先，研究人员建议对所有使用的数据进行预处理，并且在应用超出训练范围的机器学习模型时应格外小心。
Giovanni Volpe说：“最后，使用具有物理信息的模型非常重要。例如，这可能意味着您应该尝试使模型节省能源。”
当谈到使用机器学习来研究活性物质的好处时，该小组发现了许多好处。其中之一是，在处理活动物时，您可以获得大量高质量的数据，这些数据可用于训练机器学习模型并了解该模型如何工作。另一个优点是，您可以在许多长度和时间范围内跟踪系统的动态。
“您可以跟踪从微秒到天的时间尺度的粒子。这意味着您可以将微观动力学与大规模结果联系起来。我们认为，这对于创建可以从很小的事物推断出长期属性的模型很有用。 ，反之亦然。您无法在其他系统(例如经济型系统)中做到这一点，”乔瓦尼·沃尔佩(Giovanni Volpe)说。
