論文の概要: Lessons Learned from Deploying Adaptive Machine Learning Agents with Limited Data for Real-time Cell Culture Process Monitoring
- arxiv url: http://arxiv.org/abs/2509.02606v1
- Date: Fri, 29 Aug 2025 22:26:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.250911
- Title: Lessons Learned from Deploying Adaptive Machine Learning Agents with Limited Data for Real-time Cell Culture Process Monitoring
- Title（参考訳）: リアルタイム細胞培養プロセスモニタリングのための限られたデータによる適応型機械学習エージェントの展開から学んだ教訓
- Authors: Thanh Tung Khuat, Johnny Peng, Robert Bassett, Ellen Otte, Bogdan Gabrys,
- Abstract要約: 本研究では, 細胞培養プロセスにおけるグルコース, 乳酸, アンモニウム濃度のリアルタイム予測のための機械学習(ML)3つのアプローチの展開について検討した。
この研究は、限られたデータ可用性とプロセスの可変性に関連する課題に対処する。
各種バイオプロセス条件がモデル性能に及ぼす影響を評価するために, 2つの産業ケーススタディを提出した。
- 参考スコア（独自算出の注目度）: 4.920530441985874
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This study explores the deployment of three machine learning (ML) approaches for real-time prediction of glucose, lactate, and ammonium concentrations in cell culture processes, using Raman spectroscopy as input features. The research addresses challenges associated with limited data availability and process variability, providing a comparative analysis of pretrained models, just-in-time learning (JITL), and online learning algorithms. Two industrial case studies are presented to evaluate the impact of varying bioprocess conditions on model performance. The findings highlight the specific conditions under which pretrained models demonstrate superior predictive accuracy and identify scenarios where JITL or online learning approaches are more effective for adaptive process monitoring. This study also highlights the critical importance of updating the deployed models/agents with the latest offline analytical measurements during bioreactor operations to maintain the model performance against the changes in cell growth behaviours and operating conditions throughout the bioreactor run. Additionally, the study confirms the usefulness of a simple mixture-of-experts framework in achieving enhanced accuracy and robustness for real-time predictions of metabolite concentrations based on Raman spectral data. These insights contribute to the development of robust strategies for the efficient deployment of ML models in dynamic and changing biomanufacturing environments.
- Abstract（参考訳）: 本研究では,ラーマン分光を入力として,グルコース,乳酸,アンモニウム濃度をリアルタイムに予測する3つの機械学習アプローチの細胞培養プロセスへの展開について検討した。
この研究は、事前訓練されたモデル、ジャスト・イン・タイム・ラーニング(JITL)、オンライン学習アルゴリズムの比較分析を提供する、限られたデータの可用性とプロセスの可変性に関連する課題に対処する。
各種バイオプロセス条件がモデル性能に及ぼす影響を評価するために, 2つの産業ケーススタディを提出した。
本研究は,事前学習モデルによる予測精度の向上と,JITLやオンライン学習アプローチが適応的プロセス監視に有効であるシナリオを特定することを目的とした。
本研究は,バイオリアクターの動作中の細胞増殖挙動や生体リアクターの動作条件の変化に対するモデル性能を維持するために,最新のオフライン分析によるモデル/エージェントの更新の重要性を強調した。
さらに,Ramanスペクトルデータに基づく代謝物濃度のリアルタイム予測において,精度の向上とロバスト性を実現するための,単純な混合実験フレームワークの有用性を確認した。
これらの知見は、動的かつ変化するバイオ製造環境におけるMLモデルの効率的な展開のための堅牢な戦略の開発に寄与する。
関連論文リスト
- A Symbolic and Statistical Learning Framework to Discover Bioprocessing Regulatory Mechanism: Cell Culture Example [2.325005809983534]
本稿では,重要な規制機構を特定し,不確実性をモデル化するための記号的,統計的学習フレームワークを提案する。
後部探査のための随伴感度解析を用いたメトロポリス調整ランゲヴィンアルゴリズムを開発した。
実証的研究は、不足する規制機構を回復し、データ制限条件下でのモデル忠実性を改善する能力を示す。
論文 参考訳（メタデータ） (2025-05-06T04:39:34Z) - Overview and practical recommendations on using Shapley Values for identifying predictive biomarkers via CATE modeling [0.6990493129893112]
Shapley Additive Explanations (SHAP)は、教師付き学習モデルを分析するためにデータサイエンスにおいて主流になっている。
本稿では,CATE戦略の選択に非依存な代理推定手法を提案する。
我々は,様々なCATEメタラーナーとカウサルフォレストから得られたSHAP値を用いて,バイオマーカーを正確に識別する能力を評価するため,シミュレーションベンチマークを実施している。
論文 参考訳（メタデータ） (2025-05-02T09:44:04Z) - Hybrid machine learning data assimilation for marine biogeochemistry [0.2383122657918106]
海洋生物地球化学モデルは、気候変動や人的活動に対する生態系の反応を推定するだけでなく、予測にも重要である。
既存のDAメソッドは、観測されていない変数を効果的に更新するのに苦労するが、アンサンブルベースのメソッドは高複雑さモデルでは計算コストがかかりすぎる。
本研究では、観測変数と観測変数の統計的関係を学習することにより、機械学習が海洋生物地球化学DAを改善する方法を示す。
論文 参考訳（メタデータ） (2025-04-07T16:04:10Z) - What Do Learning Dynamics Reveal About Generalization in LLM Reasoning? [83.83230167222852]
モデルの一般化動作は,事前記憶列車の精度と呼ばれるトレーニング指標によって効果的に特徴づけられることがわかった。
モデルの学習行動と一般化を結びつけることで、トレーニング戦略に目標とする改善を導くことができる。
論文 参考訳（メタデータ） (2024-11-12T09:52:40Z) - Uncertainty Quantification Using Ensemble Learning and Monte Carlo Sampling for Performance Prediction and Monitoring in Cell Culture Processes [7.762212551172391]
モノクローナル抗体 (mAbs) は、その特異性や有効性から、医薬品市場で注目されている。
機械学習モデルのmAb開発および製造への応用は勢いを増している。
本稿では,機械学習予測における不確実性定量化の必要性に対処する。
論文 参考訳（メタデータ） (2024-09-03T09:38:32Z) - Predictive Analytics of Varieties of Potatoes [2.336821989135698]
本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。
本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
論文 参考訳（メタデータ） (2024-04-04T00:49:05Z) - Learning Objective-Specific Active Learning Strategies with Attentive
Neural Processes [72.75421975804132]
学び アクティブラーニング(LAL)は、アクティブラーニング戦略自体を学ぶことを提案し、与えられた設定に適応できるようにする。
能動学習問題の対称性と独立性を利用した新しい分類法を提案する。
私たちのアプローチは、筋電図から学ぶことに基づいており、モデルに標準ではない目的に適応する能力を与えます。
論文 参考訳（メタデータ） (2023-09-11T14:16:37Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Deep Low-Shot Learning for Biological Image Classification and
Visualization from Limited Training Samples [52.549928980694695]
In situ hybridization (ISH) gene expression pattern image from the same developmental stage。
正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。
限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-20T06:06:06Z) - Transfer Learning without Knowing: Reprogramming Black-box Machine
Learning Models with Scarce Data and Limited Resources [78.72922528736011]
そこで我々は,ブラックボックス・アタベラル・リプログラミング (BAR) という新しい手法を提案する。
ゼロオーダー最適化とマルチラベルマッピング技術を用いて、BARは入力出力応答のみに基づいてブラックボックスMLモデルをプログラムする。
BARは最先端の手法より優れ、バニラ対逆プログラミング法に匹敵する性能を得る。
論文 参考訳（メタデータ） (2020-07-17T01:52:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。