Generierung von Simulationsdaten aus einem mechanistischen Modell für KI/MLIch habe kürzlich zwei Kunden (Bioprozessindustrie) nacheinander besucht, um ihnen KI/ML-Demos zu zeigen, und interessanterweise stellten beide dieselbe Frage. Beide Kunden beschäftigen sich aktuell mit digitalen Zwillingen – insbesondere mit der Generierung von Simulationsdaten, um begrenzte experimentelle Datensätze zu ergänzen.
1. Haben Sie Fälle gesehen – oder haben Sie Erfahrung –, in denen Simulationsdaten aus einem mechanistischen Modell generiert wurden?
Zur Einordnung: Ein mechanistisches Modell ist eine mathematische Darstellung eines Prozesses, die auf fundamentalen physikalischen, chemischen und biologischen Prinzipien basiert – und nicht auf empirischen Daten. Es ermöglicht uns, simulierte Prozessdaten rein aus grundlegenden Prinzipien zu generieren, ohne tatsächliche Experimente durchführen zu müssen.
Typische Beispiele für die Reinigung in Bioprozessen sind:
- Chromatographie → van-Deemter-Gleichung, Stofftransportgleichungen
- Ultrafiltration/Diafiltration (UF/DF) → Darcy-Gesetz, Konzentrationspolarisationsmodelle
Jeder Hinweis wäre mir hilfreich.
Als Kunden mich nach der Erstellung mechanistischer Modelle fragten, schlug ich ihnen zunächst vor, diese in Python zu implementieren und Python mit JMP zu integrieren. Ich frage mich jedoch, ob es noch weitergehende Möglichkeiten gibt, ihnen zu helfen.
2.
Da reale experimentelle Daten begrenzt sind, ist geplant, mithilfe eines mechanistischen Modells einen großen Datensatz zu generieren. Diese Simulationsdaten werden jedoch im Vergleich zu realen Experimenten zwangsläufig einen gewissen Fehler aufweisen.
Welche Vorgehensweisen werden empfohlen, um diesen Fehler zu korrigieren oder auszugleichen, damit das mit diesen Daten trainierte KI-Modell weiterhin zuverlässig ist?
Wir würden uns über bekannte Methoden oder Fallstudien in JMP freuen!
Betreff: Generierung von Simulationsdaten aus einem mechanistischen Modell für KI/MLHallo @HyeWonJung
Assistant eignet sich hervorragend zur Simulation von Daten mit JSL. Ich war in den unterschiedlichsten Disziplinen positiv überrascht.
Ich schlage vor, die Perspektive auf etwas wie Chemieingenieur einzustellen und dann Eingabeaufforderungen zu stellen, die die Simulation der von Ihnen beschriebenen Grundprinzipienmodelle anfordern.
Betreff: Generierung von Simulationsdaten aus einem mechanistischen Modell für KI/ML@russ_wolfinger
Vielen Dank für die schnelle Antwort. Mir war nicht bewusst, dass die Simulationsfunktion des Assistant auch den Aufbau virtueller Labore ermöglicht – das ist ein sehr vielversprechender Ansatz für uns. Ich werde dies mit dem Team besprechen und weiterverfolgen, da es sich zu einem wichtigen Thema für unsere Forschungsgespräche in diesem Jahr entwickeln könnte. Wir beobachten außerdem, dass führende Biopharma-Unternehmen beginnen, Konzepte wie virtuelle Bioreaktoren zu erforschen.
Ich hätte eine Anschlussfrage aus praktischer Sicht.
In vielen realen Anwendungsszenarien verfügen Kunden nicht über ausreichend experimentelle Daten und greifen daher häufig auf mechanistische Modelle zurück, um Simulationsdaten zu generieren. Allerdings besteht meist eine deutliche Diskrepanz zwischen den simulierten Ergebnissen und den realen experimentellen Beobachtungen.
Wie lässt sich diese Lücke beim Aufbau eines realistischen virtuellen Labors am effektivsten schließen?
Ich frage mich, ob es konkrete Beispiele dafür gibt oder wie Unternehmen die Lücke zwischen mechanistischer Simulation und der Variabilität in der realen Welt schließen, wenn sie beispielsweise einen virtuellen Bioreaktor bauen.
Jeder Hinweis ist hilfreich!
Betreff: Generierung von Simulationsdaten aus einem mechanistischen Modell für KI/ML
@HyeWonJung
Was das Schließen von Wissenslücken angeht: Dies ist mit ziemlicher Sicherheit notwendig und eine naheliegende Methode, Experten auf dem Laufenden zu halten. Ich habe festgestellt, dass KI-gestützte Programmierkurse auch sehr gut darin sind, Nachfragen zu stellen, um Anpassungen am ursprünglichen Code vorzunehmen und ihn zu optimieren.
Es sieht so aus, als könnte der finale Code für einen virtuellen Bioreaktor komplex und umfangreich werden – weit über einfache JSL-Plattformaufrufe hinaus. In diesem Fall wäre es sinnvoll, nicht den Assistant zu verwenden, sondern stattdessen eine vollwertige Entwicklungsumgebung wie Visual Studio Code in Kombination mit einem KI-Chat wie GitHub Copilot einzusetzen. Mein persönlicher Favorit ist Claude Code, mit dem ich bereits sehr gute Ergebnisse erzielt habe. Eine hybride Codearchitektur aus Python und JSL wäre wahrscheinlich optimal, da sie die Stärken beider Sprachen nutzt.
Insgesamt machen die erstaunlichen Möglichkeiten moderner KI-Programmierung den Bau eines virtuellen Bioreaktors viel realistischer als noch vor wenigen Monaten.
