論文の概要: Autonomous Structural Discovery Of Bioprocess Dynamics And Kinetics Via LLM-Driven Agents
- arxiv url: http://arxiv.org/abs/2610.35391v1
- Date: Mon, 26 Oct 2026 13:10:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.935978
- Title: Autonomous Structural Discovery Of Bioprocess Dynamics And Kinetics Via LLM-Driven Agents
- Title（参考訳）: LLM駆動型エージェントによるバイオプロセスダイナミクスと運動学の自律的構造発見
- Abstract要約: 連続バイオ製造における高忠実度デジタル双晶はしばしば不完全運動モデルによってボトルネックとなる。
本稿では,Large Language Model (LLM)エージェントによって駆動される自律運動状態空間探索のためのハイブリッド閉ループアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High-fidelity digital twins in continuous biomanufacturing are often bottlenecked by incomplete kinetic models, while standard data-driven algorithms (e.g., SINDy, PINNs) lack interpretability or impose rigid physical assumptions. This paper introduces a hybrid closed-loop architecture for autonomous kinetic state-space discovery driven by a Large Language Model (LLM) agent. The framework employs a sequential "isolation-peeling" methodology across orthogonal operational regimes. This algorithmic peeling mathematically decouples entangled multiplicative (inhibitory) and additive (catalytic) biological rate law. Grounded in a Two-Level Retrieval-Augmented Generation (RAG) library, the framework utilizes Moving Horizon Estimation (MHE) and logarithmic decomposition to decouple complex cell growth kinetics into orthogonal multiplicative (inhibitory) and additive (regulatory) residual channels. When statistical degeneracy occurs an Active Design of Experiments (DoE) controller dynamically triggers targeted perturbations to decorrelate competing model hypotheses. Evaluated on a continuous stirred-tank reactor exhibiting unmodeled Haldane inhibition, Luong product toxicity, and secondary metabolite autocatalysis, the framework autonomously expanded the state space and recovered ground-truth parameters with under 6% error without a priori kinetic knowledge.
- Abstract（参考訳）: 連続的なバイオマニュファクチャリングにおける高忠実度デジタルツインは、しばしば不完全な運動モデルによってボトルネックとなるが、標準的なデータ駆動アルゴリズム(例えば、SINDy、PINN)は解釈可能性や厳密な物理的仮定を欠いている。
本稿では,Large Language Model (LLM)エージェントによって駆動される自律運動状態空間探索のためのハイブリッド閉ループアーキテクチャを提案する。
このフレームワークは、直交的な運用体制をまたいだシーケンシャルな"アイソレーション・ペリング"手法を採用している。
このアルゴリズムによる剥離は、絡み合った(阻害)乗法と添加(触媒)生物学的速度則を数学的に分離する。
Two-Level Retrieval-Augmented Generation (RAG)ライブラリで構築されたこのフレームワークは、移動水平推定(MHE)と対数分解を利用して、複雑な細胞成長速度を直交乗法(阻害)と加法(調節)の残留チャネルに分離する。
統計的縮退が起こると、アクティブ・デザイン・オブ・エクスペリメントズ(DoE)コントローラがターゲットの摂動を動的にトリガーし、競合するモデル仮説をデコレートする。
モデルのないハルデン阻害, ルオン生成物毒性, 二次代謝物自己触媒反応を呈する連立タンク反応器で評価し, 機械的知識を必要とせず, 状態空間を自律的に拡張し, 6%以下の誤差で地絡パラメータを回収した。
関連論文リスト
- Identifiable World Models from Pretrained Diffusion Representations [8.85796128432799]
凍結生成拡散モデルには, 同定可能, 構造解析可能, 有用な座標が組み込まれていることを示す。
その結果、凍結生成拡散モデルには、同定可能で、構造的に解釈可能で、介入関連力学を解析するのに有用な座標が組み込まれていることがわかった。
論文 参考訳（メタデータ） (2026-10-04T18:15:13Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳（メタデータ） (2026-09-29T11:24:19Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳（メタデータ） (2026-05-27T23:48:01Z) - Chreode: A Cell World Model for One-Step Temporal Dynamics and Perturbation Prediction [35.689906216277606]
Chreodeは、動作条件のセル状態遷移を予測するワンステップのセルワールドモデルである。
このモデルは、2.4M細胞マウス胚性アトラス上で共有の scVI と DiT ベースの動的バックボーンで事前訓練される。
GEARSの転写可能な遺伝子状態埋め込みとして、事前訓練された動的表現は共有語彙DE20平均二乗誤差を減少させる。
論文 参考訳（メタデータ） (2026-05-27T08:05:35Z) - Scale-Aware Adversarial Analysis: A Diagnostic for Generative AI in Multiscale Complex Systems [5.173587482427292]
拘束拡散分解(CDD)による診断フレームワークについて紹介する。
連続したCDDベースのスケール空間内で決定論的介入を行う。
適度な物理的摂動の下では、制約のない生成モデルは局所的な構造的凍結と非線形不安定を示す。
論文 参考訳（メタデータ） (2026-05-01T08:36:52Z) - Interaction-Enabled Hartree Fixed Points in Fermionic Resetting Dynamics [0.0]
リセット力学において、システムは繰り返し結合され、相互作用間で再結合される自由度から分離される。
これは非平衡状態を構築するための汎用的な経路を提供し、フェルミオンモデルにおける非平衡力学を研究するための強力で分析的に透明な枠組みを構成する。
本研究では,SPDM力学の閉包を保ちながら非線形な挙動を生成できる密度-密度相互作用のHartree平均場処理を導入する。
論文 参考訳（メタデータ） (2026-03-16T17:14:08Z) - Physiologically Informed Deep Learning: A Multi-Scale Framework for Next-Generation PBPK Modeling [5.007023403094322]
メカニスティックリガーとデータ駆動の柔軟性を橋渡しするSciML(SciML)フレームワークを提案する。
1) 薬物動態予測をシーケンスモデリングタスクとして扱う基盤PBPK変換器,(2) 生理的制約付き拡散モデル(PCDM),(3) 生物学的に適合した仮想患者集団を合成するための物理インフォームドロスを用いた生成アプローチ,(3) ニューラルネットワークとニューラルネットワークを組み合わせたハイブリッドアーキテクチャであるニューラルアロメトリー,などを紹介する。
論文 参考訳（メタデータ） (2026-02-09T00:26:01Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。
LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。
我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
論文 参考訳（メタデータ） (2026-01-20T16:15:38Z) - Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。
我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。
本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-11-17T08:27:13Z)
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。