步步为营：新深度学习技术除了玩魔方，还能研究蛋白质折叠

诺丁汉大学的研究人员最近开发了一种深度学习技术，可以从一组问题的样本解决方案中学习所谓的“适应函数”。这项技术发表在Wiley's Expert Systems上的一篇论文中，最初被训练用来解决魔方问题。

研究人员表示，“魔方是一个非常复杂的谜题，但是任何一种组合都不超过20步。所以我们在这里采取的方法是，通过学习分别完成这些步骤来尝试解决问题。”

研究人员设计的技术基于两种主要方法:逐步学习和深度神经网络。当应用于魔方时，这种技术试图一步一步地解出魔方，而不是一次性学习解出整个魔方。换句话说，它试图移动部件以实现更简单的配置，并多次重复此步骤，直到解决多维数据集。

研究人员评估了在一系列实验中开发的技术，并将其与先前开发的基于随机森林分类器算法的方法、基于传统基于误差的适应度的基线方法以及其他现有的计算技术进行了比较。该深度学习技术优于所有这些替代方法，同时也突出了循序渐进处理任务的优势。

到目前为止，研究人员只使用了这种逐步学习技术来解决魔方问题，但它也可以应用于各种可以逐步解决的更复杂的问题。换句话说，魔方只是该技术可以解决的问题类型的一个简单例子。

研究人员提出，在未来，逐步深入学习技术可以用来解决许多其他科学和工程问题，如可以用来研究和更好地理解蛋白质在生物细胞中折叠的方式。

编译/前瞻经济学人APP资讯组

原文链接：

https://onlinelibrary.wiley.com/doi/10.1111/exsy.12665