應用深度學習時的一個主要問題是選擇卷積神經網絡（CNN）之架構。我們將展示我們如何使用我們的螢火蟲算法和一種新穎的天敵策略來優化CNN的架構。換句話說，如何在沒有先驗知識或經驗的情況下訓練CNN時，如何使用軟計算方法來解決面臨多個局部最優的架構優化問題。為了進一步之創新與適應、建立我們的聲譽，以及確

演化式計算在操作上比梯度法限制小，因此較易使用於實際層面。本實驗室開發出新型演化策略-"天敵"，並以螢火蟲演算法為例製作出一改進版螢火蟲演算法，同時用以調整深度學習網路架構來進行多標簽預測。此預測有別於單一標簽問題。同時以預測蛋白質功能做為範例來評估效能。此研究貢獻預計可對最佳化

此技術可應用在蛋白質功能之預測，業界人士與研究人員皆可使用之。其中，適用產業包含生技與醫藥開發相關。至於技術未來能創造之經濟效益，我們尚未有量化預估。