基于混合模型的强化学习在细胞疗法制造过程控制中的机遇
系统与控制
2022-01-27 v2 机器学习
系统与控制
摘要
受细胞疗法制造的关键挑战——包括高复杂性、高不确定性与极有限的过程观测——驱动,我们提出一种基于混合模型的强化学习(RL)以高效指导过程控制。我们首先创建表征生物制造过程机制的风险与科学认知、并量化固有随机性(如批间差异)的概率知识图谱(KG)混合模型。它能捕捉非线性反应、非平稳动态与部分可观测状态等关键特征。该混合模型可利用现有机理模型并促进从异构过程数据中学习。采用计算采样方法生成量化模型不确定度的后验样本。随后,我们引入考虑固有随机性与模型不确定度的基于混合模型的贝叶斯RL,以指导最优、鲁棒且可解释的动态决策。以细胞疗法制造实例实证表明,所提框架优于经典的确定性机理模型辅助过程优化。
引用
@article{arxiv.2201.03116,
title = {Opportunities of Hybrid Model-based Reinforcement Learning for Cell Therapy Manufacturing Process Control},
author = {Hua Zheng and Wei Xie and Keqi Wang and Zheng Li},
journal= {arXiv preprint arXiv:2201.03116},
year = {2022}
}
备注
14 pages, 2 figures