【技术实现步骤摘要】
【国外来华专利技术】机理色谱模型不确定性的估计
[0001]相关申请的交叉引用
[0002]本申请要求
2021
年3月
26
日提交的美国临时申请
No.63/166.939
的优先权和权益,其全部内容并入本文
。
[0003]本说明书整体上涉及机理色谱建模
。
更具体地,本说明书提供了用于估计与色谱机理模型相关的不确定性的方法和系统
。
技术介绍
[0004]通常,色谱法是用于纯化生物医药产品的主要过程
。
机理建模可用于改善色谱过程
、
研究与这些过程有关的问题并执行色谱模拟
。
机理模型作出的假设是可以通过检查系统或过程的各个部分如何执行以及这些部分的联接方式,了解复杂的系统或过程
。
然后,机理模型以简化的方式在数学上表示这个复杂的系统或过程,该方式仍能捕捉复杂系统或过程的基本原理
。
机理模型广泛或有系统的应用于诸如色谱程序等过程的一个障碍,可能是与鉴定和建立对机理模型的信心相关的困难
。
例如,用于估计机理模型不确定性的一些当前可用的方法比期望的更耗时并且计算成本更高
。
技术实现思路
[0005]在一个或多个实施例中,提供了一种用于估计色谱机理模型不确定性的方法
。
接收包括多个参数的色谱机理模型
。
基于所述多个参数的值之间的关系,针对所述多个参数中的每个参数识别对应的值区域 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.
一种用于估计机理色谱模型不确定性的方法,所述方法包括:接收包括多个参数的色谱的机理模型;基于所述多个参数的值之间的关系,针对所述多个参数中的每个参数识别对应的值的区域;在针对每个参数的所述对应的值的区域内对所述多个参数中的每个参数进行采样,以形成多个模拟集;并且使用所述多个模拟集量化所述机理模型的不确定性
。2.
根据权利要求1所述的方法,其中针对所述多个参数中的每个参数识别所述对应的值的区域包括:基于选择的损失函数来计算所述机理模型的协方差矩阵
。3.
根据权利要求2所述的方法,其中所述选择的损失函数包括负对数似然算法
、
最大对数似然算法或最大似然算法中的至少一种
。4.
根据权利要求2所述的方法,其中基于所述选择的损失函数计算所述机理模型的所述协方差矩阵包括:使用所述选择的损失函数或另一损失函数中的至少一者来识别搜寻区;并且计算所述选择的损失函数相对于所述搜寻区的局部极值
。5.
根据权利要求4所述的方法,其中基于所述选择的损失函数计算所述机理模型的所述协方差矩阵进一步包括:计算所述局部极值的协方差矩阵
。6.
根据权利要求1所述的方法,其中针对所述多个参数中的每个参数识别所述对应的值的区域包括:对所述多个参数进行采样以形成多个参数集;从所述多个参数集中为所述机理模型选择初始参数集;并且基于使用所述初始参数集的选择的损失函数来计算所述机理模型的协方差矩阵
。7.
根据权利要求1所述的方法,其中量化所述不确定性包括:使用所述多个模拟集生成所述机理模型的模型预测分布
。8.
根据权利要求7所述的方法,其中量化所述不确定性进一步包括:使用所述模型预测分布识别所述机理模型的置信区间
。9.
根据权利要求1所述的方法,其进一步包括:接收实验数据;和使用所述实验数据生成所述机理模型
。10.
一种用于估计机理色谱模型不确定性的系统,所述系统包括:被配置为获得色谱的机理模型的数据源;和处理器,其被配置为从所述数据源接收色谱的所述机理模型,其中所述机理模型包括多个参数,并且其中所述处理器进一步被配置为:基于所述多个参数的值之间的关系,针对所述多个参数中的每个参数识别对应的值的区域;在针对每个参数的所述对应的值的区域内对所述多个参数中的每个参数进行采样,以形成多个模拟集;并且
使用所述多个模拟集量化所述机理模型的不确定性
。11.
根据权利要求
10
所述的系统,其中所述处理器进一步被配置为基于选择的损失函数来计算所述机理模型的协方差矩阵
。12.
根据权利要求
11
所述的系统,其中所述选择的损失函数包括负对数似然算法
、
最大对数似然算法或最大似然算法中的至少一种
。13.
根据权利要求
10
所述的系统,其中所述处理器进一步被配置为使用所述选择的损失函数或另一损失函数中的至少一者来识别搜寻区,并且计算所述选择的损失函数相对于所述搜寻区...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。