利用计算机辅助科研，其中人工智能首当其冲。
比如在蛋白质结构生物学中，已经有科学家利用人工智能对蛋白质的复杂结构进行预测。
谷歌旗下有一家名叫“深层思维”的公司，它就是利用人工智能在生物学上进行科研，它已经在这方面取得卓越成就。这家公司建立的人工智能模型“阿尔法折叠2”。这个模型成功解决了科学家们苦苦思索了数十年的难题——从氨基酸序列预测蛋白质的结构。
“阿尔法折叠2”自建立以来，已经被用于大量的科学应用中，已有来自大约190个国家的200多万人使用了“阿尔法折叠2”模型。比如药学家们用它应用于抗生素耐药性、寻找疟疾等疾病的新疗法、新靶向药物开发、蛋白质研究等等，这些研究将有助于人们更好地了解疾病，更快地研发新药物。
在蛋白质研究领域，“阿尔法折叠2”极大地缩短人工确定蛋白质结构的时间，展示了人工智能对于科研的强大辅助作用。
以前一个顶尖科学研究团队一年只能解析十几个蛋白质的结构，阿尔法折叠2一次可以解析上亿个蛋白，这种效率表现在时间上的优势简直不是一个维度。
人工智能不仅在蛋白质结构的预测有巨大的优势，而且在蛋白质结构的设计上也拥有巨大的优势。
自然界中的蛋白质种类是有限的，为了达到一些特殊目的，研究人员希望创建出新的蛋白质种类，比如应用一些新的蛋白质去实现治病的目的。同样，人工智能机模型在这方面也是有着巨大的优势。它能够在极短的时间内设计出全新的天然不存在的蛋白质结构。如果让人力来完成这项工作，需要耗费大量的人力和时间。目前美国一个大学科研团队在这方面已经走在前列。
杨平在想，如果能够将科学家的思想和方法用人工智能模型表现出来，它的威力将是惊人的。这相当于有一个强大的“系统”在辅助研究者进行科研。
想到这里，杨平大脑的计划已经很清晰，他要利用自己掌握的知识来构建用于辅助科研的人工智能模型，比如现在的携带K因子的某种无害细菌，如果靠人工来做，不知道是十年后还是二十年后才能有结果，但是如果有人工智能帮助，可能几分钟就能获得最优的结构。
如果要建模，必须依靠数学、计算科学和生物学知识的综合，在这方面以汉语为母语的杨平有着天然的优势，他在系统空间阅读了大量的专著和论文，而这些论文当时全部是系统翻译过来的，这相当于杨平用中文阅
…。。