AlphaGo展示了AI在科学中的潜力，推出的AlphaFold 2解决了蛋白质折叠问题，助力300万研究者加速科研。未来，通用AI系统将整合多种工具，推动科学发现，向AGI目标迈进。

本研究提出了一种结合深度Q网络与注意力机制的新方法，克服了传统亲水-疏水模型在蛋白质折叠中的局限性。该方法在短序列实验中表现最佳，在长链上接近最优，展示了注意力强化学习在蛋白质折叠中的应用潜力。

本文介绍了机器学习和深度学习在生物领域的应用，重点是蛋白质折叠。但预测基因组中复杂性状的问题却受到较少关注。文章提供了最先进模型和相关问题的概述，以作为预测表型的新模型开发时的参考。以身高作为连续值表型的例子介绍了基准数据集、混杂因素、特征选择和评估指标。

本研究探索了神经网络训练算法与自然过程如蛋白质折叠和进化之间的相似性，并使用统计物理中的Fokker-Planck方法将它们在一个统一的框架下探索。研究了系统的稳态和熵产生率，并验证了涉及到这些数值的图谱存在扰动定理。提出了一种新的随机梯度Langevin动力学（SGLD）算法，可以应用于贝叶斯机器学习中从后验分布中获取网络权重。