Prédiction de concentrations moléculaires dans des bioprocédés à partir de réseaux de neurones entraînés avec des mesures de fluorescence

Description : Afin de compétitionner avec l'industrie chimique et de répondre à la demande du marché, l'industrie biotechnologique a besoin plus que jamais d'augmenter sa productivité. Afin d’y parvenir, la compagnie BioIntelligence Technologies inc. propose d’effectuer le suivi en temps réel des bioprocédés de manière à faciliter la prise de décisions permettant de maximiser les performances et de réduire les pertes. Cette compagnie a donc développé des appareils de mesure et d'analyse basées sur la spectroscopie de fluorescence afin d'extraire de l'information sur les variables clés des procédés. Ces appareils possèdent toutefois des limitations lorsque les bioprocédés font intervenir plusieurs molécules. En effet, les mesures de fluorescence sont alors bruitées et fortement interreliées entre elles. Il est alors beaucoup plus difficile de prédire les variables en jeu tel que les concentrations moléculaires.

Le projet de recherche a pour but de valider l'intérêt d'utiliser différentes architectures de réseaux de neurones afin de prédire des concentrations d'éthanol, de glycérol et de glucose à partir de mesures de fluorescence. Plus spécifiquement, deux architectures de réseaux de neurones sont explorées, soit les réseaux linéaires pleinement connectés ainsi que les réseaux récurrents. L'impact de l'utilisation d'un autoencodeur afin de condenser la représentation des mesures de fluorescence est aussi analysé. 

Conférencier : Samuel Cyr, étudiant à la maîtrise en génie électrique