Faida:
- Uwezo wa kupunguza idadi ya majaribio kwa kubadilisha vigezo pamoja na kunasa mwingiliano na muundo wa majaribio (DoE)
- Uwezo wa kuanzisha mzunguko wa kupata hatua bora katika nafasi kubwa ya parameta na majaribio machache kupitia ujifunzaji wa vitendo na uboreshaji wa Bayesian.
- Uwezo wa kusawazisha ubora wa kihesabu na ukweli wa kimwili na usalama kwa kutoa mipaka ya kisaikolojia na usalama kama vikwazo kwa mfano.
Majaribio katika bioengineering ni ghali: utamaduni wa seli huchukua wiki, reagent inagharimu maelfu ya pauni, fermentor inaendesha siku. Kwa hivyo "nifanye majaribio gani?" Swali ni angalau "matokeo ni nini?" ni muhimu kama swali. Muundo wa Majaribio (DoE - mbinu ya kupanga kwa utaratibu ambayo michanganyiko ya vigezo itatoa habari nyingi kwa majaribio machache zaidi) hugeuza jaribio-na-hitilafu kuwa utafutaji wa kimfumo. AI huharakisha upangaji huu na uamuzi wa "jaribio gani linalofuata" katika kila hatua inayofuata; lakini wewe ndiye unayejua ukweli wa kimwili na usalama wa jaribio.
Katika kitengo hiki, utaona mantiki ya kimsingi ya DoE, ujifunzaji tendaji (uboreshaji wa hatua kwa hatua kwa kupendekeza jaribio ambalo modeli itajifunza zaidi) na uboreshaji wa Bayesian (njia ya uwezekano ambayo hupata mpangilio bora wa mchakato na idadi ndogo ya majaribio) mbinu, na jinsi ya kutumia AI kwa usalama katika upangaji huu.
Kwa nini tofauti moja haitoshi?
Mbinu ya classic ni OFAT - sababu moja kwa wakati: kubadilisha hali ya joto, kisha kubadilisha pH ... Hitilafu ya siri ya njia hii ni kwamba inakosa mwingiliano (mwingiliano - vigezo viwili vinatenda tofauti kuliko wakati wao peke yao). Labda joto la juu ni nzuri tu kwa pH ya chini. DoE hunasa mwingiliano na kupunguza idadi ya majaribio kwa kutumia miundo halisi ambayo hutofautiana vigezo pamoja na kusawazishwa.
Kidokezo: Unapoiambia AI "Ninataka kuboresha vigezo 5," kwanza iombe ipendekeze kipengele cha sehemu (muundo unaochagua kitengo kidogo cha habari zaidi cha vigezo) au muundo wa uso wa majibu (muundo unaoonyesha eneo linalofaa zaidi) badala ya muundo kamili. Hii inaweza kupunguza idadi ya majaribio kutoka 243 hadi 20-30.
Kujifunza kwa vitendo: jaribio bora linalofuata
Kwa matatizo fulani, huwezi kupanga kila kitu mapema; Matokeo ya kila jaribio hubadilisha jaribio bora linalofuata. Hapa ndipo ujifunzaji amilifu unapotumika: modeli huangalia data inayopatikana, inapendekeza majaribio na kutokuwa na uhakika wa hali ya juu au faida kubwa inayotarajiwa, unafanya hivyo, masasisho ya mfano. Kitanzi hiki huruhusu kupata sehemu tamu katika nafasi kubwa ya kigezo (maelfu ya hali zinazowezekana za kimeng'enya, kwa mfano) kwa majaribio machache sana. AI huhesabu uamuzi wa mzunguko huu wa "nini kinachofuata"; lakini unathibitisha kuwa pendekezo hilo linawezekana na ni salama.
Tahadhari: Muundo wa uboreshaji unaweza kupendekeza hali hatari au isiyowezekana katika maabara (k.m., halijoto ambayo inaweza kuua utamaduni, uwiano wa kutengenezea kulipuka). Mfano haujui mipaka ya kisaikolojia na usalama; Weka kikomo kwa kila pendekezo kwa maarifa yako mwenyewe ya maabara (yape mfano kama kizuizi).
kesi tatu ndogo
Kesi ya 1 - DoE ilipunguza idadi ya majaribio. Timu ya kutengeneza vimeng'enya ingeboresha vigezo 5 (joto, pH, mchanganyiko, kiwango cha malisho, kishawishi). Kiwanda kamili kilimaanisha majaribio 243. Muundo wa sehemu ndogo uliopendekezwa na YZ ulipunguza idadi hadi majaribio 32; uso wa majibu uliopatikana ulipata ufanisi na kuongezeka kwa ufanisi kwa 27%. Timu iliidhinisha mapema kila hali ya usalama.
Kesi ya 2 - Kujifunza kwa vitendo kumeharakishwa. Kulikuwa na zaidi ya nyimbo 4,000 zinazowezekana katika uboreshaji wa kati wa utamaduni wa seli. Kipindi amilifu cha kujifunza kilifikia kiwango bora zaidi ambapo uchunguzi wa kitamaduni ungedumu kwa wiki katika raundi 18 za majaribio (jumla ya tamaduni 90). Lakini hali mbili zilizopendekezwa na mfano haziwezekani physiologically na ziliondolewa kwa mkono.
Kesi ya 3 - Mipaka ya usalama imeamilishwa. Katika uboreshaji wa mchakato wa kibaolojia, modeli ilipendekeza shinikizo la hatari ili kuongeza oksijeni iliyoyeyushwa. Mhandisi aliongeza kikomo cha shinikizo la reactor kwa mfano kama kizuizi; mapendekezo yaliyofuata yalibaki ndani ya safu salama. Kikomo cha kimwili kilizidisha kiwango bora cha kihesabu.
Violezo vinne vinavyoweza kunakiliwa
1) Mapendekezo ya muundo wa DoE:
Jukumu lako: mtaalam wa muundo wa majaribio. Ninataka kuboresha vigezo vya [N]: [vigezo na safu zao]. Lengo langu ni [mavuno/shughuli]. Nipendekeze muundo unaofaa wa DoE (sehemu kamili/ya sehemu ndogo au majibu), weka jedwali la idadi ya majaribio yanayohitajika na kila hali. Weka alama kwa michanganyiko isiyowezekana ya kisaikolojia.
2) Usanidi wa mzunguko wa kujifunza unaotumika:
Jukumu lako: mshauri wa uboreshaji. Ninataka kusanidi kitanzi cha uboreshaji cha Bayesian. Nielezee hatua: ufungaji wa awali, kazi ya walinzi (upataji), sasisha, vigezo vya kuacha. Niambie ni majaribio mangapi utapendekeza katika kila awamu na jinsi ya kuongeza vikwazo vya usalama. Pendekeza maktaba ya Python.
3) Ufafanuzi wa kizuizi cha usalama:
Mapendekezo yangu ya uboreshaji yasiende NJE ya vikomo vifuatavyo: halijoto [safa], pH [safa], shinikizo [kiwango cha juu], kiwango cha viyeyusho [kiwango cha juu]. Usipendekeze majaribio yoyote yanayozidi mipaka hii. Ikiwa pendekezo linakaribia kikomo, nionye na ueleze ni kwa nini.
4) Uchambuzi wa matokeo na hatua inayofuata:
Nitakupa matokeo ya duru ya kwanza ya DoE (masharti + majibu yaliyopimwa). Niambie: (1) ni vigezo gani vinavyofaa zaidi, (2) kama kuna mwingiliano, (3) pendekeza majaribio 4 yanayofuata ili kufikia kiwango bora zaidi. Thibitisha kila pendekezo kwa kutumia data; usifanye hitimisho ambalo haliko kwenye data.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Boresha uchachushaji wangu.
Hakuna vigezo, hakuna safu, hakuna vikwazo; AI inatoa mapendekezo ya jumla na yasiyofaa.
Agizo lenye nguvu:
Jukumu lako: mbuni wa majaribio ya bioprocess. Ninataka kuboresha uzalishaji wa recombinantprotini na E. koli. Vigezo na masafa: halijoto 25-37°C, IPTG 0.1-1.0 mM, introduktionsutbildning OD0.4-0.8, kiwango cha malisho [safa]. Kusudi: mavuno ya protini mumunyifu. Nipe jedwali la muundo wa sehemu kwa majaribio yasiyozidi 20. Weka alama kwenye hali ambayo itaua seli. Kikomo cha usalama:joto zaidi ya 40°C IMEPIGWA MARUFUKU.
Tofauti: wazi vigezo, masafa, lengo, bajeti ya majaribio na kikwazo cha usalama.
DoE na njia za uboreshaji
Mbinu
lini
Faida
mpaka
OFAT
Rahisi, sababu moja
maoni rahisi
Hukosa mwingiliano
kamili factorial
vigezo vichache
Mwingiliano wote
mlipuko wa mtihani
Kiwanda cha sehemu
Uondoaji wa vigezo vingi
majaribio kidogo
Mwingiliano fulani umefichwa
uso wa majibu
Upangaji bora zaidi
urekebishaji mzuri
kutokuwa na mstari
kujifunza kwa bidii
Nafasi kubwa, majaribio ya gharama kubwa
angalau majaribio
Inategemea ubora wa mfano
Usawa wa nafasi ya utafutaji na unyonyaji
Kuna mvutano katika kiini cha uboreshaji: usawa kati ya utafutaji na unyonyaji-usawa kati ya kutafuta fursa mpya kwa kujaribu eneo lisilojulikana na kufinya ufanisi kwa kuchimba eneo zuri linalojulikana. Ukijaribu tu "karibu na sehemu inayojulikana zaidi" hautawahi kupata bora zaidi (shikamana na kiwango bora cha karibu). Ukichunguza tu bila mpangilio, hutaweza kamwe kubana eneo zuri ulilo nalo na utatumia bajeti yako ya majaribio. Chaguo za kukokotoa za uboreshaji wa Bayesian (kitendaji cha upataji - sheria inayochagua mahali pa kufanya jaribio linalofuata kwa kupima faida inayotarajiwa na kutokuwa na uhakika) hudhibiti salio hili kiotomatiki. AI inaweza kuanzisha utaratibu huu, lakini unaamua "ni raundi ngapi za uchunguzi, ni raundi ngapi za unyonyaji" na kikomo cha bajeti yako ya majaribio.
Kidokezo: Zingatia uchunguzi (majaribio makubwa, yaliyotawanywa) katika duru za mapema za uboreshaji; Ramani ya nafasi ya parameta. Unapokaribia kile kilicho bora zaidi, endelea kwenye unyonyaji (majaribio finyu, ya kusawazisha). Fanya mpito huu hatua kwa hatua, ukiangalia matokeo, si kwa mzunguko mmoja.
Makosa ya kawaida
- Kukwama kwenye OFAT na kukosa mwingiliano. Vigezo lazima vibadilike pamoja.
- Sio kutoa kizuizi cha usalama kwa mfano. Mfano huo unaweza kupendekeza hali hatari au zisizowezekana.
- Kuruka marudio na kubahatisha. Inahitajika kwa nguvu za takwimu na udhibiti wa kundi.
- Kumaliza uboreshaji katika raundi moja. Kujifunza kwa vitendo ni kurudia; husasisha mpango kila ziara.
- Kutumia pendekezo la mfano kwa upofu. Uwezekano wa kimwili na gharama lazima ziangaliwe kwa mikono.
Kwa muhtasari
Muundo mzuri wa majaribio hupunguza majaribio ya gharama kubwa ya uhandisi wa viumbe hadi idadi ndogo ya vipimo vya kuarifu. DoE inachukua mwingiliano na inapunguza idadi ya majaribio; Kujifunza kwa vitendo na uboreshaji wa Bayesian hupata hatua bora hatua kwa hatua katika nafasi kubwa. AI hukokotoa upangaji huu na kuharakisha uamuzi wa "nini kifuatacho", lakini unatoa mipaka ya kisaikolojia, usalama, na uwezekano kama vikwazo kwa mfano. Ubora wa kihisabati hauwezi kupinga ukweli wa kimwili na usalama.
Jukumu la maombi
Chagua tatizo la uboreshaji lenye vigezo 3-5 kutoka sehemu inayokuvutia (k.m. chombo cha utamaduni au mmenyuko wa kimeng'enya). Unda jedwali la muundo wa sehemu kwa kutumia kiolezo cha "uhakika mkali" wa AI. Kisha angalia kila hali katika meza kwa usalama na uwezekano: kuna mchanganyiko usiowezekana au hatari? Ongeza kizuizi cha usalama, tengeneza muundo tena, na kumbuka tofauti.
orodha ya ukaguzi
- [ ] Nilitumia muundo wa DoE (sio OFAT) ambao hubadilisha vigezo pamoja.
- [ ] Nilitoa mipaka ya kisaikolojia na usalama kwa modeli kama vikwazo.
- [ ] Nilijumuisha marudio na kubahatisha katika muundo.
- [ ] Nilipanga uboreshaji mara kwa mara, sikuimaliza katika raundi moja.
- [ ] Niliangalia mapendekezo ya mfano kwa uwezekano na gharama.
- [ ] Nilihusisha kila tafsiri ya matokeo kwa data halisi, sikukubali matokeo bandia.