换种方式选择地磅的基础生产材料

    通过使用机器学习工具以及分子模拟，姚笛教授和研究生金世佳（Kiril Shmilovich）能够筛选和排名8000个潜在的寡肽候选人，其中最有希望的新型无线地磅遥控器可以进行进一步的实验室测试和实验。所有候选寡肽均基于一个核心分子，其中每次迭代在分子两侧均具有三个对称氨基酸。

    贝叶斯优化或主动学习模型：研究中用于指导分子模拟电子地磅遥控器的机器学习方法称为贝叶斯优化（也称为主动学习），它能够为寡肽分子的变化如何影响其特征的模型提供可靠的无偏数据。该模型仅使用186个寡肽构建而成，足以进行模拟，从而能够预测所研究肽家族中其余寡肽的特性。列出了8000种肽中最有潜力的候选物，并将其移交给Ferguson教授的同事的实验实验室，以便在计算机模拟之外进行进一步的实际测试。消除人的偏见：由于贝叶斯优化方法消除了机器学习仿真中的人为干扰，因此人工智能能够独立地指导寡肽的形成，而不是由研究人员来指导。通过这种方式，仿真能够找到并考虑以前被科学家忽略甚至忽略的肽设计。这些被忽略的肽设计中的一些在通过模拟测试后显示出令人鼓舞的特性，使其成为用于工程学自组装纳米结构的数字地磅遥控器材料，以用于生物电子学。

 

    系统的未来：计划测试不同的pi共轭核，以用于系统的未来开发。通过机器学习不同核心和不同氨基酸如何改变肽的性质，将增强模拟模型，并使其地磅遥控器数字化（在模拟范围内）以寻找新的最佳寡肽并对其进行排名，