生物医学工程师已经深入了解神经网络，促进了对生物电路的更好理解。来自杜克大学的这些研究人员使用了机器学习方法来模拟工程细菌中的相互作用。现在，这些变量的交互模式有助于将偷看进入内部工作，否则将太复杂地掌握。此外，科学家认为这些算法也有助于了解其他生物系统。
关于这项研究
与该研究相关的研究人员在细菌培养中与神经网络合作。就像在任何机器学习设置中一样，这太需要训练算法运作良好。所以，研究人员占用了任务，发现该系统是X30000更高效。因此，看起来这是生物电路的行为预测的未来。
此外，该团队通过设计培训模型的手段来实现精确的精度。因此，它们多次撤退了算法以比较结果。这表明该模型可以在不同的生物系统中工作，以不同的复杂性。
据大学生物医学工程教授介绍，吉隆国岭昌队的兴趣启发了这项研究。当谷歌表明神经网络曾经训练有素地训练有素时，可以在棋盘游戏中击败人类，人们注意到学习的概念。主要是，尽管在游戏中有几个规则，但计算机可以确定最佳举动改变了Playfield。现在，研究人员对生物电路是否可以使用这种方法感兴趣。
而且，您与他的助理在理解会影响研究参数确定模式的情况下恢复结束。因此，它们设计了基因电路并用多个变量（数量为13）。而且，这些包括细胞运动，生长率和蛋白质降解等。结果，他们发现它们可以控制环的形成 - 厚度和外观的持续时间。
期刊自然通信正在其9月25日的在线版本的研究结果。
