생물반응기에서 미생물 공동 배양을 위한 심층 강화 학습

다종 미생물 군집은 자연 생태계에서 광범위하게 분포하고 있습니다. 바이오 제조에 사용될 때, 엔지니어링된 합성 군집은 단일 배양에 비해 생산성이 증가하고 여러 하위 개체군 간의 생물 공정을 구획화하여 대사 부담을 줄일 수 있는 것으로 나타났습니다. 이러한 이점에도 불구하고, 공동 배양은 구성 종에 대한 제어가 도전적이어서 실제로는 드물게 사용됩니다. 여기에서는 인공지능 강화 학습의 접근 방식을 통해 지속적인 생물반응기 내 공동 배양을 제어하는 효과를 컴퓨터 시뮬레이션으로 보여줍니다. 우리는 훈련된 강화 학습 에이전트를 통해 피드백을 사용하여 개체군을 목표 수준으로 유지할 수 있고, 불규칙 샘플링에 직면했을 때 모델 없는 성능이 연속 제어와 함께 전통적인 비례 적분 제어기를 능가할 수 있다는 것을 확인합니다. 또한, 우리는 다섯 개의 생물반응기를 병렬로 운영하여 24시간 실험에서 만족스러운 제어 정책을 배울 수 있음을 보여줍니다. 마지막으로, 우리는 강화 학습이 공동 배양 생물 공정의 출력을 직접 최적화할 수 있음을 보여줍니다. 전반적으로, 강화 학습은 미생물 군집 제어를 위한 유망한 기술입니다.