抱歉，我提出一些疑问以及挑一些骨头。 : 找出来的解答　都不会有多好 这应该是因问题而异吧， 有些问题的approxmation algorithm已经达到很低的approx factor， 对於那些问题我们可以当作"能於poly-time内找到很好的解答"。 但是因为我也对生物，医药不了解， 所以未知生物医药界的人所遇到的问题是否有好的approxmation algorithm。 : 例如　以folding当例子 : 解蛋白质结构 : 完全使用电脑技术　不作实验的 : 不到全部的3% : 因为会错的很惨　为什麽呢? : 其中一个很简单的原因　NPC问题根本不可能找过全部的space : 而药物设计就比较难统计出比例 : 因为绝大部分是要厂开发　因此他们不会告诉你他的开发流程是什麽 : 但以在学术借来看 : 完全以电脑模拟设计药物 : 大约有九成失败率　因为要考量东西太多(pathway) : 加上又一堆NPC问题 : 而NPC问题没办法用目前电脑解 : 那要怎麽办呢 : 我有两个寄於厚望的方向 : 一个是大家之前讨论热烈的量子电脑 : 我就不多说了 : 第二个就是学习生物　nature方法(其实量子电脑也算是利用nature力量) : 因为人脑　大自然根本不会遭遇NPC : 只有人设计出来的东西才有NPC : 所以直接用大自然来解 对上述叙述有点疑惑， 人脑难道不用花大把时间来解NPC problem吗? 譬如大家日常生活中都会遇到的TSP problem， (呵呵，至少我个人颇常遇到啦，尤其在规划要去哪些地方玩的时候。) 只要node、edge多一点， 相信人脑也没办法在有效时间(efficient time)给出解答， 另外，大自然不会受困於NPC吗? 至少目前的结果似乎是倾向於量子电脑不能解NPC problem， 而DNA computer似乎也停滞不前5年有了吧。 : 在199x年就有人拿基因序列解NPC问题　而且成功 : 登在top journal Science上面 是Adleman的那个结果吗，也是解TSP的。 : 过几年我在bioinformatic上面也看到antibody技术解NPC 可以解释一下什麽是antibody吗，我也挺好奇这是什麽技术的。 : 其中更有许多大大小小篇有提到这些 : 有兴趣的人我可以翻出来跟大家分享 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.109.23.58