PulseAugur
中
实时 10:09:23
English(EN) A Human-in-the-Loop Bayesian Optimization Framework for Constraint-Aware Bioprocess Development

新贝叶斯优化框架通过专家输入增强生物工艺开发

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个增强的“人在回路”贝叶斯优化框架，称为帕累托前沿引导采样（PFGS）。该框架允许领域专家通过将高斯过程代理派生出的量重新表述为多目标优化问题来交互式地选择最优候选者。该系统现在通过考虑满足规格限制的概率来纳入约束优化，并通过估计输入扰动下的性能下降来纳入鲁棒优化。扩展的PFGS框架在中国仓鼠卵巢（CHO）细胞培养模拟器上进行了演示，成功识别了高性能、可行且对扰动具有弹性的操作条件。 AI

影响 该框架通过将专家知识与先进的优化技术相结合，有可能提高复杂生物工艺开发中的效率和成功率。

排序理由 该集群描述了一篇详细介绍新优化框架的新研究论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Samuel Stricker, Claus Wirnsperger, Alessandro Butt\'e, Laura Helleckes, Gonzalo Guill\'en Gos\'albez, Antonio del Rio Chanona, Mehmet Mercang\"oz ·

    A Human-in-the-Loop Bayesian Optimization Framework for Constraint-Aware Bioprocess Development

    arXiv:2606.19230v1 Announce Type: new Abstract: This work presents an extension to Pareto Front Guided Sampling (PFGS), a Human-in-the-Loop (HitL) Bayesian Optimization (BO) framework in which Gaussian process (GP) surrogate-derived quantities are reformulated as objectives of a …

  2. arXiv stat.ML TIER_1 English(EN) · Mehmet Mercangöz ·

    面向约束感知生物过程开发的“人在回路”贝叶斯优化框架

    This work presents an extension to Pareto Front Guided Sampling (PFGS), a Human-in-the-Loop (HitL) Bayesian Optimization (BO) framework in which Gaussian process (GP) surrogate-derived quantities are reformulated as objectives of a multi-objective optimization problem, and the re…

相关实体

相关话题