연구진은 생물학적 메커니즘을 학습하는 생물학적 정보 기반 신경망(BINN)의 구조, 최적화 전략, 데이터 정보량에 따른 영향에 대한 연구를 진행했어요.
일련의 벤치마크 문제에서 네트워크 표현력, 학습률, 손실 가중치, 배치 크기가 최적화 행동과 연산자 복구에 미치는 영향을 분석했어요.
성공적인 메커니즘 추론은 모델 또는 최적화의 단일 측면을 극대화하는 것이 아니라 상충되는 목표를 균형 있게 맞추는 데 달려 있으며, 적당한 표현력을 가진 구조가 복잡한 네트워크보다 성능이 우수했어요.