論文の概要: Adjoint-Based Calibration and Optimal Control of Stochastic Multiscale Bioprocess Digital Twins

• arxiv url: http://arxiv.org/abs/2610.09505v1
• Date: Wed, 07 Oct 2026 06:03:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.745386
• Title: Adjoint-Based Calibration and Optimal Control of Stochastic Multiscale Bioprocess Digital Twins
• Title（参考訳）: 確率的マルチスケールバイオプロセスディジタル双晶の結合型校正と最適制御
• Abstract要約: 生体システム(バイオソS)パラダイムにおけるバイオプロセスモデルに対するバイアス対応デジタルツインキャリブレーションと制御フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 3.2802588232371277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a bias-aware digital-twin calibration and control framework for multiscale bioprocess models within a biological systems-of-systems (Bio-SoS) paradigm. The digital twin is represented by a stochastic differential equation (SDE) model and calibrated from sparse, discrete observations using quasi-likelihood estimation and adjoint sensitivity analysis. SDE generator-based moment expansions characterize truncation-induced parameter bias, while forward-backward adjoints quantify how calibration uncertainty propagates to value functions and policy performance. The resulting parameter-error distribution supports both policy-directed adaptive experimental design and uncertainty-aware policy optimization through a second-order Gaussian-averaged objective. We characterize the asymptotic behavior of the resulting exploration criterion and derive a physical-system performance under the optimized policy. To implement these ideas, we develop an Actor-Simulator algorithm that jointly updates model parameters, selects informative experiments, and optimizes control policies. Numerical studies demonstrate improved calibration accuracy, sample efficiency, and control performance relative to state-of-the-art baselines.
• Abstract（参考訳）: 生体システム(Bio-SoS)パラダイムにおけるマルチスケールバイオプロセスモデルに対するバイアス対応デジタルツインキャリブレーションと制御フレームワークを開発した。 ディジタル双生児は確率微分方程式(SDE)モデルで表され、擬似類似度推定と随伴感度解析を用いた離散的な離散的な観察からキャリブレーションされる。 SDEジェネレータをベースとしたモーメント展開は、トランケーションによって引き起こされるパラメータバイアスを特徴付け、フォワードバックアジョイントは、キャリブレーションの不確実性が値関数やポリシー性能にどのように伝播するかを定量化する。 その結果、パラメータエラー分布は、ポリシー指向適応型実験設計と、二階ガウス平均目標による不確実性を考慮したポリシー最適化の両方をサポートする。 得られた探索基準の漸近的挙動を特徴付け、最適化されたポリシーの下で物理系の性能を導出する。 これらのアイデアを実現するために,モデルパラメータを共同で更新し,情報的実験を選択し,制御ポリシを最適化するアクタ-シミュレータアルゴリズムを開発した。 数値実験により, キャリブレーション精度, 試料効率, 制御性能が向上した。

関連論文リスト

• Parameter Estimation in Stochastic Differential Equations via Wiener Chaos Expansion and Stochastic Gradient Descent [0.0]
  本研究は, 微分方程式(SDE)のパラメータ推定の逆問題に対して, 機能的勾配 Descent (SGD) による正規化誤差を最小化することによって解決する。 計算効率を上げるために,Hermites の基底に解を投影するスペクトル分解技術である Wiener Chaos Expansion (WCE) を利用する。 この変換は、動力学をテキストプロパゲータと呼ばれる階層的な関数体系に効果的にマッピングする
  論文  参考訳（メタデータ） (2026-03-27T22:17:27Z)
• Calibrating Agent-Based Financial Markets Simulators with Pretrainable Automatic Posterior Transformation-Based Surrogates [5.002657036975061]
  エージェントベースモデル(ABM)は複雑な社会システムをシミュレーションするための重要な最適化問題である。 目的は、シミュレーションデータと実世界の観測との差を最小限に抑えて、与えられたABMの最適パラメータを特定することである。 既存の手法では,1) ABMの非線形だがマルチモーダルな性質のため,元の評価関数のサロゲートは困難であり,2) 一般的なサロゲートは複数のキャリブレーションタスク間で最適化経験を共有できない。 本研究は、負相関探索と適応信頼回帰を用いた自動後部変換を提案する。
  論文  参考訳（メタデータ） (2026-01-11T14:05:26Z)
• Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
  本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。 本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
  論文  参考訳（メタデータ） (2025-04-04T16:10:18Z)
• Sensitivity Analysis on Policy-Augmented Graphical Hybrid Models with Shapley Value Estimation [5.077690675309647]
  一般非線形ポリシ拡張グラフィカル(pKG)ハイブリッドモデルに対する総合感度解析フレームワークを提案する。 提案手法は, バイオマニュファクチャリングにおける効率的な解釈と安定なプロセス制御を支援する。
  論文  参考訳（メタデータ） (2024-11-20T15:33:39Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees [57.67528738886731]
  誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。 地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:20:17Z)
• Variational Inference MPC using Tsallis Divergence [10.013572514839082]
  非拡張型Tsallis発散を用いた可変推論確率最適制御の枠組みを提供する。 新規な Tsallis Variational Inference-Model Predictive Control アルゴリズムが導出される。
  論文  参考訳（メタデータ） (2021-04-01T04:00:49Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。