arXiv cs.AI· Erdal Aydin, Yaman Arkun·· 14 小时前AI 评分31
LLM 智能体驱动的生物过程动力学自主结构发现
Autonomous Structural Discovery Of Bioprocess Dynamics And Kinetics Via LLM-Driven Agents
AI 导读
一个由 LLM 智能体驱动的混合闭环架构实现了生物过程动力学状态空间的自主发现，在存在未建模 Haldane 抑制、Luong 产物毒性和次级代谢物自催化的连续搅拌釜反应器上，无需先验动力学知识即自主扩展状态空间，并以低于 6% 的误差恢复真实参数。
正文 · AI 翻译
摘要：连续生物制造中的高保真数字孪生往往受限于不完整的动力学模型，而标准的数据驱动算法（如 SINDy、PINNs）缺乏可解释性或强加了僵化的物理假设。本文提出了一种由大型语言模型（LLM）智能体驱动的、用于自主动力学状态空间发现的混合闭环架构。该框架在正交操作区间采用顺序“隔离-剥离”方法。这种算法剥离在数学上将纠缠的乘性（抑制性）与加性（催化性）生物速率定律解耦。该框架以两级检索增强生成（RAG）库为基础，利用移动地平线估计（MHE）和对数分解，将复杂的细胞生长动力学解耦为正交的乘性（抑制性）与加性（调节性）残差通道。当出现统计简并时，主动实验设计（DoE）控制器会动态触发有针对性的扰动，以解相关相互竞争的模型假设。在一个表现出未建模的 Haldane 抑制、Luong 产物毒性和次级代谢物自催化的连续搅拌釜反应器上进行评估，该框架在无需先验动力学知识的情况下自主扩展了状态空间，并以低于 6% 的误差恢复了真实参数。
| 学科： | 优化与控制（math.OC）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35391 [math.OC] |
| （或 arXiv:2610.35391v1 [math.OC] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.35391 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Erdal Aydin Dr. [查看电子邮件]
[v1]
2026年10月26日 星期一 13:10:07 UTC（1,605 KB）
来源：arXiv cs.AI · arxiv.org