利用計算機輔助科研，其中人工智能首當其沖。
比如在蛋白質結構生物學中，已經有科學家利用人工智能對蛋白質的復雜結構進行預測。
谷歌旗下有一家名叫“深層思維”的公司，它就是利用人工智能在生物學上進行科研，它已經在這方面取得卓越成就。這家公司建立的人工智能模型“阿爾法折疊2”。這個模型成功解決了科學家們苦苦思索了數十年的難題——從氨基酸序列預測蛋白質的結構。
“阿爾法折疊2”自建立以來，已經被用于大量的科學應用中，已有來自大約190個國家的200多萬人使用了“阿爾法折疊2”模型。比如藥學家們用它應用于抗生素耐藥性、尋找瘧疾等疾病的新療法、新靶向藥物開發、蛋白質研究等等，這些研究將有助于人們更好地了解疾病，更快地研發新藥物。
在蛋白質研究領域，“阿爾法折疊2”極大地縮短人工確定蛋白質結構的時間，展示了人工智能對于科研的強大輔助作用。
以前一個頂尖科學研究團隊一年只能解析十幾個蛋白質的結構，阿爾法折疊2一次可以解析上億個蛋白，這種效率表現在時間上的優勢簡直不是一個維度。
人工智能不僅在蛋白質結構的預測有巨大的優勢，而且在蛋白質結構的設計上也擁有巨大的優勢。
自然界中的蛋白質種類是有限的，為了達到一些特殊目的，研究人員希望創建出新的蛋白質種類，比如應用一些新的蛋白質去實現治病的目的。同樣，人工智能機模型在這方面也是有著巨大的優勢。它能夠在極短的時間內設計出全新的天然不存在的蛋白質結構。如果讓人力來完成這項工作，需要耗費大量的人力和時間。目前美國一個大學科研團隊在這方面已經走在前列。
楊平在想，如果能夠將科學家的思想和方法用人工智能模型表現出來，它的威力將是驚人的。這相當于有一個強大的“系統”在輔助研究者進行科研。
想到這里，楊平大腦的計劃已經很清晰，他要利用自己掌握的知識來構建用于輔助科研的人工智能模型，比如現在的攜帶k因子的某種無害細菌，如果靠人工來做，不知道是十年后還是二十年后才能有結果，但是如果有人工智能幫助，可能幾分鐘就能獲得最優的結構。
如果要建模，必須依靠數學、計算科學和生物學知識的綜合，在這方面以漢語為母語的楊平有著天然的優勢，他在系統空間閱讀了大量的專著和論文，而這些論文當時全部是系統翻譯過來的，這相當于楊平用中文閱讀了幾乎所有世界上優秀的著作和論文。而漢語的跨學科優勢是世界上其它任何語言無法企及的。
楊平將這個項目交給何主任去做，那是因為這個人工智能模型必須以何主任的數字人為基礎，這樣才能實現很多在醫學科研上的目標。
何主任接到楊平的這個項目時，認為單憑自己一己之力很難完成，于是他聯合南都大學、南都理工大學一起建立人工智能模型，南都大學的數學很強，而南都理工在人工智能方面頗有積累，三所大學聯手，取長補短，才能建立這個人工智能模型。至于錢的問題，有楊平支持，那完全不是問題。
楊平現在心里的想法已經非常清晰，用人工智能來建立現實中的“系統”，提高科研的效率，減少走彎路，減少試錯的數量。
楊平看了看時間，暫時不著急下班回家，還可以去干細胞實驗室看看，與唐順聊聊關于最近科研進展的事情。
最近唐順招聘了一些新人，不知道團隊的磨合怎么樣。從美國引進的干細胞尖端人才李穎彤一直沒什么動靜，也不知道她現在是什么想法，能不能將她留下來。