論文の概要: GlycoPy: An Equation-Oriented and Object-Oriented Software for Hierarchical Modeling, Optimization, and Control in Python

• arxiv url: http://arxiv.org/abs/2601.01413v1
• Date: Sun, 04 Jan 2026 07:36:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.334541
• Title: GlycoPy: An Equation-Oriented and Object-Oriented Software for Hierarchical Modeling, Optimization, and Control in Python
• Title（参考訳）: GlycoPy: Pythonの階層的モデリング、最適化、制御のための方程式指向およびオブジェクト指向ソフトウェア
• Authors: Yingjie Ma, Jing Guo, Richard D. Braatz,
• Abstract要約: 我々はPythonでプロセスモデリング、オプティマイゼーション、NMPCのための方程式指向オブジェクト指向ソフトウェアフレームワークであるGly-coPyを紹介した。 GlycoPyには、パラメター推定、動的最適化、NMPCのためのアルゴリズムが含まれており、ユーザーはシミュラオプション、最適化、制御アルゴリズムをカスタマイズできる。
• 参考スコア（独自算出の注目度）: 4.6049419901334945
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most existing model predictive control (MPC) applications in process industries employ lin-ear models, although real-world (bio)chemical processes are typically nonlinear. The use of linear models limits the performance and applicability of MPC for processes that span a wide range of operating conditions. A challenge in employing nonlinear models in MPC for com-plex systems is the lack of tools that facilitate hierarchical model development, as well as lack of efficient implementations of the corresponding nonlinear MPC (NMPC) algorithms. As a step towards making NMPC more practical for hierarchical systems, we introduce Gly-coPy, an equation-oriented, object-oriented software framework for process modeling, opti-mization, and NMPC in Python. GlycoPy enables users to focus on writing equations for modeling while supporting hierarchical modeling. GlycoPy includes algorithms for parame-ter estimation, dynamic optimization, and NMPC, and allows users to customize the simula-tion, optimization, and control algorithms. Three case studies, ranging from a simple differ-ential algebraic equation system to a multiscale bioprocess model, validate the modeling, optimization, and NMPC capabilities of GlycoPy. GlycoPy has the potential to bridge the gap between advanced NMPC algorithms and their practical application in real-world (bio)chemical processes.
• Abstract（参考訳）: プロセス産業における既存のモデル予測制御(MPC)アプリケーションはリンアーモデルを採用しているが、実際の(バイオ)化学プロセスは典型的には非線形である。 線形モデルの使用は、幅広い操作条件にまたがるプロセスに対するMPCの性能と適用性を制限している。 複合システムにMPCで非線形モデルを採用する際の課題は、階層的モデル開発を促進するツールの欠如と、対応する非線形MPC(NMPC)アルゴリズムの効率的な実装の欠如である。 階層型システムにおいて,NMPCをより実用的なものにするためのステップとして,Pythonにおけるプロセスモデリング,オプティマイゼーション,NMPCのための方程式指向オブジェクト指向ソフトウェアフレームワークであるGly-coPyを紹介する。 GlycoPyは、階層的モデリングをサポートしながら、モデリング用の方程式を書くことに集中することができる。 GlycoPyには、パラメター推定、動的最適化、NMPCのためのアルゴリズムが含まれており、ユーザーはシミュラオプション、最適化、制御アルゴリズムをカスタマイズできる。 3つのケーススタディは、GlycoPyのモデリング、最適化、NMPC能力を検証し、単純な微分代数方程式システムからマルチスケールのバイオプロセスモデルまで幅広い。 GlycoPyは、高度なNMPCアルゴリズムと実際の(バイオ)化学プロセスにおけるそれらの実践的応用のギャップを埋める可能性を持っている。

関連論文リスト

• Machine Learning Optimized Orthogonal Basis Piecewise Polynomial Approximation [0.9208007322096533]
  Piecewise Polynomials (PP) は、軌道計画のようないくつかの工学分野において、点の集合の形で与えられる位置プロファイルを近似するために用いられる。
  論文  参考訳（メタデータ） (2024-03-13T14:34:34Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)
• Information Theoretic Model Predictive Q-Learning [64.74041985237105]
  本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。 バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2019-12-31T00:29:22Z)

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。