基于最优实验设计的脉冲式并行培养的模型预测控制
摘要：精确参数的最佳实验设计旨在最大化实验数据的信息内容，以最有效地识别参数模型。随着微型化和平行化培养平台在高通量筛选最佳生长条件方面的不断发展，可以用少量实验产生大量信息数据。增加数据量意味着增加参数和实验设计变量的数量，这可能降低可识别性，并阻碍优化输入的在线计算。为了减少问题复杂性，本研究引入了一个辅助控制器，以在线跟踪由高级优化器计算的最优喂养策略。这种层次结构对于满足约束条件的操作尤其有趣。本文讨论了这种方法的关键方面，并进行了一个基于计算的研究，考虑了平行葡萄糖限制的细菌级批培养。
作者：Jong Woo Kim (1), Niels Krausch (1), Judit Aizpuru (1), Tilman Barz (2), Sergio Lucia (3), Ernesto C. Mart''inez (4), Peter Neubauer (1), Mariano Nicolas Cruz Bournazou (1 and 5) ((1) Technische Universit"at Berlin, Chair of Bioprocess Engineering, Strasse des 17. Juni 135, 10623 Berlin, Germany, (2) AIT Austrian Institute of Technology GmbH, Giefingasse 2, 1210 Vienna, Austria, (3) Technische Universit"at Dortmund, Department of Biochemical and Chemical Engineering, Emil-Figge-Strasse 70, 44227 Dortmund, Germany, (4) INGAR (CONICET-UTN), Avellandeda 3657, S3002GJC Santa Fe, Argentina, (5) DataHow AG, Z"urichstrasse 137, 8600 D"ubendorf, Switzerland)
论文ID：2112.10548
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-12-21