Generación de datos de simulación a partir de un modelo mecanicista para IA/MLRecientemente visité a dos clientes (del sector de bioprocesos) de forma consecutiva para realizar demostraciones relacionadas con IA/aprendizaje automático, y curiosamente, ambos plantearon la misma pregunta. Ambos clientes están explorando actualmente enfoques de gemelos digitales, concretamente, la generación de datos de simulación para complementar conjuntos de datos experimentales limitados.
1. ¿Ha visto algún caso —o tiene experiencia— en la generación de datos de simulación a partir de un modelo mecanicista?
Para contextualizar, un modelo mecanicista es una representación matemática de un proceso basada en principios físicos, químicos y biológicos fundamentales, en lugar de datos empíricos. Permite generar datos de procesos simulados a partir de principios básicos, sin necesidad de realizar experimentos reales.
En la purificación de bioprocesos, algunos ejemplos típicos incluyen:
- Cromatografía → ecuación de van Deemter, ecuaciones de transferencia de masa
Ultrafiltración/diafiltración (UF/DF) → Ley de Darcy, modelos de polarización de concentración
Cualquier información me sería útil.
Por mi parte, cuando los clientes preguntaban sobre la creación de modelos mecanicistas, mi sugerencia inicial era implementarlos en Python e integrar Python con JMP. Pero me pregunto si existen formas más profundas de ayudarlos.
2.
Dado que los datos experimentales reales son limitados, el plan consiste en generar un conjunto de datos extenso mediante un modelo mecanicista. Sin embargo, estos datos de simulación inevitablemente presentarán cierto margen de error en comparación con los experimentos reales.
¿Cuáles son los métodos recomendados para corregir o compensar este error, de modo que el modelo de IA entrenado con estos datos siga siendo fiable?
¡Cualquier método conocido o estudio de caso en JMP sería bienvenido!
Re: Generación de datos de simulación a partir de un modelo mecanicista para IA/MLHola @HyeWonJung
El asistente es excelente simulando datos con JSL. Me ha sorprendido gratamente en una amplia gama de disciplinas.
Sugiero configurar la perspectiva a algo como Ingeniero Químico y luego proporcionar indicaciones que soliciten la simulación de los modelos de primeros principios como los que has descrito.
Re: Generación de datos de simulación a partir de un modelo mecanicista para IA/ML@russ_wolfinger
Gracias por la rápida respuesta. No sabía que la capacidad de simulación del Asistente pudiera extenderse a la creación de laboratorios virtuales; esta es una línea de investigación muy prometedora para nosotros. Compartiré esta información con el equipo y haré un seguimiento, ya que podría convertirse en un tema importante para nuestras discusiones de investigación este año. También estamos viendo que las principales empresas biofarmacéuticas están empezando a explorar conceptos como los biorreactores virtuales.
Tenía una pregunta adicional desde un punto de vista práctico.
En muchos casos reales, los clientes no disponen de datos experimentales suficientes, por lo que suelen recurrir a modelos mecanicistas para generar datos simulados. Sin embargo, suele existir una brecha considerable entre los resultados simulados y las observaciones experimentales reales.
¿Cuál es la forma más eficaz de superar esta brecha al construir un laboratorio virtual realista?
Me pregunto si existen casos reales o cómo las empresas logran realmente salvar la brecha entre la simulación mecanicista y la variabilidad del mundo real al construir algo como un biorreactor virtual.
¡Cualquier información es útil!
Re: Generación de datos de simulación a partir de un modelo mecanicista para IA/ML
@HyeWonJung
Respecto a la subsanación de deficiencias: Es casi seguro que esto es necesario y es una forma natural de mantener informados a los expertos. He comprobado que los sistemas de gestión del aprendizaje basados en IA también son muy eficaces a la hora de enviar recordatorios para realizar ajustes y perfeccionar el código original.
Parece que el código final previsto para un biorreactor virtual podría resultar complejo y extenso, mucho más allá de las llamadas básicas a la plataforma JSL. En este caso, tendría sentido no usar Assistant y optar por un IDE de programación propiamente dicho, como Visual Studio Code, junto con un chat de IA como Github Copilot. Mi favorito es Claude Code, con el que he obtenido excelentes resultados. Una arquitectura de código híbrida Python + JSL probablemente sería una buena opción, aprovechando las ventajas de cada lenguaje.
En definitiva, las asombrosas capacidades de la programación de IA moderna hacen que la construcción de un biorreactor virtual sea mucho más factible que hace tan solo unos meses.
