基于人工智能的海量工程试错优化平台，面向合成生物系统的海量试错实验，本课题拟展开4种优化学习方法的研究，研究分级强化学习方法，通过分级学习实验轨迹，解决生物系统空间维度过高、实验轨迹稀疏的问题；研究多源迁移学习，充分利用已有合成生物系统的数据积累，复用已有生物系统构建解决目标生物系统数据训练稀疏的问题；研究生成对抗网络学习，通过生成对抗网络学习生成高仿真的实验轨迹，既可解决稀疏数据问题，又可对模型进行优化；研究基于多目标优化等元学习，解决训练模型的优化选择问题。通过学习设计实验方案，并进行实验验证与反馈优化。
