Se penche sur la sélection immunitaire, l'évolution du cancer, la qualité du néoantigène, le coût de la condition physique, l'hétérogénéité tumorale et les prédictions évolutives.
Explore l'apprentissage bio-inspiré avec des réseaux neuronaux et des algorithmes génétiques, couvrant la structure, la formation et les applications pratiques.
Explore la conception axée sur l'optimisation, la simulation différentiable, les stratégies de contrôle, et l'évolution des créatures virtuelles et des machines douces.
Explore l'optimisation de la modélisation neuronale, en abordant les paramètres sous-constraintes, les fonctions de conditionnement physique et l'adaptation réussie des modèles de tir.
