특정 속성을 가진 치료용 DNA 및 RNA 서열을 설계하는 것은 엄청난 가능성 때문에 의학 분야에서 큰 과제입니다. AI는 이 광대한 탐색 공간을 탐색하는 데 도움을 줄 수 있지만, 설계 알고리즘을 효과적으로 평가하는 것은 어려웠습니다. 이를 해결하기 위해 연구자들은 핵산 설계 알고리즘을 비교하기 위한 표준화된 벤치마크인 NucleoBench를 도입했습니다. 이 벤치마크는 16가지 생물학적 과제에 걸쳐 40만 개 이상의 실험을 포함했습니다. 이 연구를 통해 그들은 하이브리드 설계 알고리즘인 AdaBeam을 개발했습니다. AdaBeam은 대부분의 작업에서 기존 방법보다 성능이 뛰어나며 대규모 AI 모델에서도 더 잘 확장됩니다. 일반적인 계산 설계 프로세스는 데이터 생성, 모델 훈련, 후보 서열 생성 및 검증을 포함합니다. NucleoBench는 후보 서열 생성 단계를 개선하는 데 중점을 둡니다. 기존 벤치마크는 종종 최신 AI 모델 정보를 활용하지 않는 구형 알고리즘을 사용합니다. NucleoBench는 포괄적인 비교를 위해 기울기 없는 알고리즘과 기울기 기반 알고리즘을 모두 포함합니다. AdaBeam은 우수한 성능과 효율성을 달성하기 위해 기존 알고리즘의 효과적인 요소를 결합합니다. 이는 최고 성능을 위해 기울기에만 의존하는 것이 항상 필요한 것은 아님을 보여줍니다. AdaBeam의 발전 사항으로는 효율성 증가, 더 스마트한 탐색, 메모리 사용량 감소 등이 있습니다.