达姆施塔特工业大学的研究人员现已在《美国国家科学院院刊》(PNAS ) 上提出了一种方法，可用于系统地确定有效的搜索策略。它可以帮助智能地设计未来的任务，例如寻找癌细胞或环境恢复。

统计物理学中的一个问题已经研究了几十年，它解决了“代理”必须如何移动才能有效收集随机分布的目标的问题。例如，这可以是寻找必需化学物质的细菌、寻找食物的猛禽或收集毒素分子或废料的(微型)机器人。

在代理未知食物分布但在空间上相关的典型情况下，最佳运动策略的问题尤其具有挑战性;也就是说，它在空间上是连续变化的，而不是突然变化的。例如，细菌不仅可以直接在食物源处找到高浓度的营养物质，而且还可以在其周围区域找到高浓度的营养物质，因为相应的分子会扩散。

细菌已经开发出所谓的趋化搜索策略来利用这种相关性。在这里，它们测量沿路径的食物浓度变化，并改变其移动方向，以便统计上它们朝着浓度上升的方向移动。这使得他们能够利用食物浓度在特定方向上增加的经验，并探索他们的环境，以便不断检查食物浓度是否可能在另一个方向上增加更多。