使用人工神经网络来加快流表优化,用于下游流程开发过程
Daphne Keulen1, Erik van der Hagen1, Geoffroy Geldhof2
1Department of Biotechnology, Delft University of Technology, Delft, The Netherlands.
Biotechnology and bioengineering
|May 31, 2023
概括
人工神经网络 (ANN) 通过减少评估的净化选项数量来加速生物制药净化过程设计. 这种方法大大减少了50%的整体优化时间,确保了安全性和经济效益.
科学领域:
- 生物制药净化 生物制药净化
- 过程优化 过程优化
- 计算建模计算建模
背景情况:
- 最佳的净化过程对于生物制药的安全性和经济性至关重要.
- 选设计空间是全球优化所必需的.
- 染色学机械模型 (MM) 可以是耗时的流表优化.
研究的目的:
- 为了加速生物制药净化过程的早期设计.
- 为了减少流表优化计算时间.
- 将人工神经网络 (ANN) 整合到全球优化策略中.
主要方法:
- 利用人工神经网络 (ANN) 为净化流程方案的全球优化.
- 减少候选流程表的数量,以进行随后的本地优化.
- 将ANN引导优化与传统机械模型 (MM) 的比较.
主要成果:
- ANN将最终优化流程表的数量从15个减少到3个.
- 从ANN或MM的全球结果开始的本地优化产生了类似的结果.
- 使用ANN,整体流表优化时间减少了50%.
结论:
- ANN有效地加速了早期的净化工艺设计.
- 提出的方法是通用的,灵活的,独立于材料.
- 整合ANN可以在生物制药工艺开发中大大节省时间.
