原创<br> MIT+IBM同时利用AI探索神经科学，让脑科学研究如虎添翼( 七 )_智东西编|韦世玮导语：近期

每次种群迭代后，进化算法将计算每个搜索点的适应度，并保留最强（较高的目标值）的搜索点，删除最弱（较低的目标值）的搜索点。

通过这种方式，搜索点的种群经过几代人的进化，将产生解决问题的最佳方案，而适者生存的变异依然存在。

进化算法在本质上是分布式的，这使得它非常适合基于云端或大规模并行的多核处理。

在这项针对亨廷顿舞蹈病（Huntington’s disease）的神经科学研究中，研究人员使用了IBM Cloud上的一种最新的非主导排序差异进化（NSDE）算法。

参与这项研究的IBM主发明人、神经科学家James R. Kozloski表示，他们引入了误差函数的软阙值和邻域惩罚，以防止由于目标是精确的特征值而导致的系统偏差。

Kozloski表示，他们使用NSDE框架来修正误差，并根据先前选择的0个误差模型的特征空间和“拥挤度”进行惩罚，从而使算法尽可能均匀地覆盖0个错误区域。这让他们能够创建适合数据的各种参数模型，而不仅仅是单一模型。

该项研究的算法设计大师Tim Rumbell博士和Thomas J. Watson研究中心的计算神经学家表示，这个算法最终将帮助模型进行推广，因为他们支持算法寻找一个参数空间区域，该区域能生成像实验期间所有神经元一样响应的模型。

原创<br> MIT+IBM同时利用AI探索神经科学，让脑科学研究如虎添翼( 七 )