생물학적 시스템 설계는 분자 반응의 고유한 확률적 특성과 실험 조건의 변동성으로 인한 불확실성 때문에 어려움을 겪고 있습니다.
연구진은 시뮬레이터 모델과 강화 학습 접근 방식을 활용하여 실험 조건에 적응하고 고유한 확률적 특성을 고려하는 실험을 제안하는 순차적 프레임워크를 제시했습니다.
이 방법은 실험 주기마다 비용이 많이 드는 추론 및 최적화 단계를 필요로 하는 기존 베이지안 방법과 달리, 불확실한 매개변수의 분포 전반에 걸쳐 미리 학습된 방법론을 통해 즉각적인 관측 기반 적응을 가능하게 합니다.