Digital Twin Calibration for Biological System-of-Systems: Cell Culture Manufacturing Process

要約

バイオ製造のイノベーションは、プロセスと製品の品質を最適化するための効率的な実験計画法 (DoE) に依存しています。
従来の DoE メソッドは、基礎となるバイオプロセシング機構を無視しているため、解釈可能性やサンプル効率の欠如に悩まされることがよくあります。
この制限により、デジタル ツイン モデルのキャリブレーションに最適な新しい学習アプローチを作成する動機が生まれました。
この研究では、生物学的システムオブシステム (Bio-SoS) としても知られる細胞培養プロセスのマルチスケール機構モデルを検討します。
このモデルはモジュール設計であり、サブモデルで構成されているため、さまざまな生産プロセス全体でデータを統合できます。
Bio-SoS デジタル ツインを校正するために、モデル予測の平均二乗誤差を評価し、デジタル ツインの予測精度に対する個々のサブモデルのパラメーター推定誤差の影響を定量化する計算アプローチを開発します。これにより、サンプル効率を高めることができます。
および解釈可能なDoE。

要約(オリジナル)

Biomanufacturing innovation relies on an efficient Design of Experiments (DoEs) to optimize processes and product quality. Traditional DoE methods, ignoring the underlying bioprocessing mechanisms, often suffer from a lack of interpretability and sample efficiency. This limitation motivates us to create a new optimal learning approach for digital twin model calibration. In this study, we consider the cell culture process multi-scale mechanistic model, also known as Biological System-of-Systems (Bio-SoS). This model with a modular design, composed of sub-models, allows us to integrate data across various production processes. To calibrate the Bio-SoS digital twin, we evaluate the mean squared error of model prediction and develop a computational approach to quantify the impact of parameter estimation error of individual sub-models on the prediction accuracy of digital twin, which can guide sample-efficient and interpretable DoEs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google