생산 바이오리액터: 소프트 센서, 폐루프 제어, 그리고 디지털 트윈

📍 현재 위치: 3부 · 학습된 상류(Upstream, Learned) — 11장. 종균 배양(seed train)이 건강하고 일정에 맞는 접종원을 SEED-001 → BATCH-2026-001 게이트를 거쳐 넘겨주었습니다. 이제 세포들이 생산 바이오리액터 BR-101로 들어가, 항체가 실제로 만들어지는 곳 — 그리고 종균 규모에서 밑그림을 그렸던 소프트 센싱이 상류 제조 어디에서보다 가장 성숙한 기계학습이 되는 곳 — 으로 향합니다.

이곳은 상류 전체가 가리키는 장입니다. 상류(upstream)는 공정의 세포-기르기 절반입니다 — 바이알부터 항체가 만들어지는 생산 바이오리액터까지 모든 것으로, 그 뒤에 오는 정제인 하류(downstream)와 대비됩니다(Book 1이 그 구분을 온전히 그립니다). 대략 두 주에 걸쳐, 몇천 리터의 CHO(Chinese Hamster Ovary) 세포 — 항체 제조의 표준 포유류 숙주 — 가 자라고, 항체 생산으로 전환되며, 센서 데이터의 급류를 쏟아냅니다 — 몇 초마다 측정되는 온도, pH, 용존 산소, 그리고 가장 잘 계측된 탱크에서는 인라인(in-line) 라만(Raman) 프로브 — 용기 벽을 통해 직접 삽입되어 샘플을 뽑지 않고 배양액을 연속적으로 측정하는 것 — 가 1분마다 전체 스펙트럼을 발사합니다. 생산 바이오리액터는 전체 공정에서 단연 가장 데이터가 풍부한 단계이며, 또한 기계학습이 바이오 제조에서 유일하게 진정으로 상용급(production-grade) 발판을 얻어낸 곳이기도 합니다. (이 장은 모든 능력을 세 단(rung)의 성숙도 사다리로 등급화합니다: (상용) — 상업적 GMP 제조에 일상적으로 배포됨; (파일럿) — 규모에서 시연되었으나 아직 검증된 기본값은 아님; (연구) — 문헌에서 유망하나 아직 공장에는 없음.) 여기서 상용급 능력은 분광 소프트 센서(spectroscopic soft sensor) — 오프라인 샘플도 없이, 실험실 결과를 기다리지도 않고, 라만 스펙트럼에서 역가(titer)와 대사물질 농도를 실시간으로 읽어내는 모델입니다.

그러나 바이오리액터는 이 분야의 정직성이 시험받는 곳이기도 합니다. 역가를 아름답게 예측하는 바로 그 프로브가 생존 세포 밀도(viable cell density)는 형편없이 예측합니다 — 15년의 연구가 닫지 못한 간극입니다. 모델이 글루코스를 측정할 뿐 아니라 공급(feed)을 결정하고 펌프를 작동시키는 폐루프 제어(closed-loop control)는 파일럿에서는 존재하지만 GMP(Good Manufacturing Practice — 상업적 의약품 배치가 반드시 그 아래에서 운영되어야 하는 법으로 강제되는 품질 시스템)에서는 거의 없습니다. 그리고 이 장에서 가장 야심 찬 대상인 디지털 트윈(digital twin) — 학습된 잔차(residual)로 보정된 운전의 제일원리(first-principles) 모델 — 은 실재하고 유용하지만, 여전히 대부분 개발과 파일럿 도구이지, 당신의 상업적 배치를 무인으로 돌리는 물건은 아닙니다. 이 장은 소프트 센서를 만들고, 트윈을 만들며, 각각이 어디서 멈추는지를 정확히 짚습니다.

쉽게 말하면

발효 중인 탱크를 맛보기만 하면 그것이 알코올을 얼마나 만들었고 당이 얼마나 남았는지를 즉시 — 실험실도, 기다림도 없이 — 알려 주는 명장 양조사를 떠올려 보세요. 그 맛보기가 소프트 센서입니다. 즉, 값싸고 즉각적인 신호(여기서는 레이저가 배양액에서 산란시키는 빛 — 그 라만 스펙트럼)를 훈련된 모델이 읽어, 그러지 않으면 실험실에서 느리게 측정해야 할 무언가를 추정하는 것입니다. 양조사는 "알코올이 얼마나"는 알코올이 또렷한 맛을 가졌기에 탁월하지만, "정확히 몇 개의 효모 세포가 살아 있는가"는 그것이 거의 아무 맛도 없기에 형편없습니다 — 바로 이것이 생산 바이오리액터의 상황입니다. 그리고 가장 뛰어난 양조사는 맛만 보지 않습니다. 그녀는 행동합니다 — 탱크가 부족해지면 당을 조금 넣어 줍니다 — 이것이 폐루프 제어입니다. 디지털 트윈은 전체 발효가 어떻게 펼쳐질지에 대한 그녀의 정신적 모델로, 현실이 그녀를 놀라게 할 때마다 보정됩니다.

이 장에서 다루는 내용

• 소프트 센싱 과제 — 인라인 라만, NIR, 유전(dielectric) 분광법이 실제로 무엇을 측정하는지, 그리고 각각이 얼마나 학습 가능한지로 순위를 매긴 표적 메뉴(역가, 글루코스, 락트산, 글루타민, 암모니아, VCD).
• PLS 화학계량학(chemometrics) 파이프라인 — 실제 전처리(SNV, Savitzky-Golay 미분)와, 분광 PAT의 40년 역마(workhorse)인 잠재변수(latent-variable) 회귀를, 수학을 평이하게 진술하며.
• VCD가 약점인 이유 — 역가와 대사물질은 잘 예측되는 반면 전체/생존 세포 밀도는 그렇지 못한 분자 수준의 이유, 그리고 이것이 왜 이 분야의 끈질긴 미해결 문제인지.
• 폐루프 글루코스 제어 — 소프트 센서를 작동기(actuator)로 바꾸는 측정-결정-작동 루프, 그리고 그것이 규모에서 아직 넘지 못한 규제선.
• 하이브리드 디지털 트윈 — ML 잔차로 보정된 기계론적 유가식(fed-batch) 골격, 그리고 공급을 위한 ML-대리(surrogate) MPC, 두 개의 실행 가능한 모듈과 함께.
• GMP 현실 — 무엇이 진정으로 상용급이고, 무엇이 아직 파일럿이며, 무엇이 연구 전용인지, 각각 정확히 귀속하며.

소프트 센서 과제: 빛에서 화학을 읽다

소프트 센서(가상 센서(virtual sensor) 또는 추론 센서(inferential sensor)라고도 함)는 측정하기 어려운 양을 측정하기 쉬운 양들로부터 추정하는 모델입니다. 생산 바이오리액터에서 측정하기 어려운 양들은 가장 중요한 것들입니다 — 항체 역가, 세포가 먹는 글루코스와 글루타민, 그들이 배설하는 락트산과 암모니아, 그리고 생존 세포 밀도(VCD) — 그리고 이를 얻는 고전적 방법은 하루에 두 번 샘플을 뽑아 벤치 분석기에 돌리는 것입니다. 그것이 바로 이 책이 거듭 부딪치는 콜드스타트 주기(cold-start cadence)입니다 — 콜드스타트(cold-start)란 라벨이 붙은 진실이 아주 적은 상태에서 학습해야 한다는 뜻입니다. 값싼 온라인 신호의 홍수에, 비싼 오프라인 진실의 가느다란 물줄기. 소프트 센서의 일은 그 신호로부터 진실을 연속적으로 보간(interpolate)하는 것입니다.

왜 다른 단계가 아니라 바이오리액터인가? 다른 어디서도 모이지 않는 세 가지가 여기서 모입니다. 가치가 가장 높습니다 — 역가(titer)(항체가 얼마나 축적되었는지, g/L 단위)와 대사물질(metabolites)(세포가 소비하고 배설하는 작은 분자들)은 수율과 글리코실화(glycosylation)(세포가 항체에 붙이는 당사슬 패턴으로, 약물이 환자에게서 어떻게 작용하는지를 빚음), 즉 당신이 싸워서 지키는 CQA(Critical Quality Attribute — 약물이 안전하고 효과적이려면 규격 안에 머물러야 하는 속성)의 지렛대입니다. 신호가 가장 풍부합니다 — 교반되고 잘 혼합된 수성 배양액은 침지 프로브에 거의 이상적인 시료실이며, 탱크는 두 주 동안 돌아가, 진짜 보정 궤적을 쌓기에 충분히 깁니다. 그리고 참조값(reference)을 얻기가 가장 고통스럽습니다 — 모든 오프라인 대사물질 측정에는 무균 샘플 채취, 분석기 운전, 반나절의 실험실 시간이 들어가므로, 그것을 모델로 대체하려는 경제적 논거가 압도적입니다. 이 조합이 분광 소프트 센싱이 여기서 가장 먼저 성숙했고 공장 내 다른 모든 단위 작업보다 여전히 앞서 있는 이유입니다.

여러 인라인 프로브 기술이 지배하며, 그들은 서로 다른 것을 봅니다:

• 라만 분광법(Raman spectroscopy) 은 단색 레이저를 배양액에 쏘고, 이동된 파장으로 되산란되는 빛을 측정합니다. 대부분의 광자는 탄성 산란하고(레일리 산란, 에너지 변화 없음), 극히 일부가 비탄성 산란하여 분자 진동과 에너지 양자를 교환하는데, 화학을 담아내는 것은 바로 그 희미한 비탄성 라만 산란 — 아마도 1천만 광자 중 하나 — 입니다. 각 이동(파수 cm⁻¹로 색인되는 라만 띠(Raman band) — 파수(wavenumber)란 띠가 스펙트럼의 어디에 자리하는지를 표시하는 단위일 뿐이며, 각 값은 한 종류의 분자 진동에 묶임)은 특정 분자 진동에 대응하므로, 라만 스펙트럼은 배지에 녹아 있는 모든 것의 화학적 지문입니다. 우리 데이터셋은 정확히 이것을 담고 있습니다. raman_spectra.parquet은 운동학적 상태와 나란히 읽힌 701개의 강도 채널(wn_400 … wn_1800)을 보유합니다. 라만은 현대 바이오공정 PAT(Process Analytical Technology — 나중에 실험실에서만이 아니라 공정 도중에 실시간으로 품질을 측정하는 것을 아우르는 용어)의 역마인데, 물이 라만을 약하게 산란시켜 수성 배양액이 신호를 익사시키지 않기 때문입니다 — 그 똑같은 물이 NIR은 강하게 흡수해 여기서 그것을 불리하게 만드는, 한 분자를 두 방식으로 본 것이며, 세포 배양에서 라만이 NIR을 이기는 단연 가장 중요한 이유입니다.
• NIR(근적외) 분광법(NIR (near-infrared) spectroscopy) 은 배음(overtone) 및 결합 진동에 의한 근적외광 흡수를 측정합니다. 라만보다 값싸고 빠르지만 물이 NIR을 강하게 흡수하므로, 세포가 빽빽한 배양액보다는 일부 대사물질과 건조/동결건조(freeze-drying, 이후의 충전-마감 단계)에 더 적합합니다.
• 유전(정전용량) 분광법(Dielectric (capacitance) spectroscopy) 은 무선주파수 장을 가하고 현탁액의 유전율(permittivity)을 측정합니다. 온전한 세포막은 작은 축전기처럼 작동하므로 정전용량은 대략 생존 바이오부피(biovolume)에 비례합니다 — 이것이 유전을, 라만이 고전하는 바로 그 양인 VCD로 향하는 진정하고 직접적인 통로를 가진 유일한 프로브로 만들어 줍니다. 이에 대해서는 아래에서 다시 다룹니다. 그것이 이 장의 미해결 부분의 핵심입니다.
• 2D 형광(여기-방출 행렬, EEM) 분광법(2D fluorescence (excitation–emission matrix, EEM) spectroscopy) 은 여기 파장을 훑으면서 방출 스펙트럼을 기록하여, 단백질의 고리 모양(방향족(aromatic)) 구성 요소와 보조인자(cofactor) — 세포가 대사에 쓰는 작은 도우미 분자(가령 아미노산인 트립토판(tryptophan), 그리고 세포의 에너지-운반체인 NAD(P)H)로, 빛 아래에서 빛나 바이오매스와 대사 상태를 보고함 — 의 고유 형광을 포착하는 여기 × 방출 격자를 만듭니다. 그 격자는 바이오매스와 일부 대사물질을 위한 소프트 센서 입력을 주며, 다른 화학을 읽기에 라만과 상보적입니다 — 그리고 그것은 또한 라만 전처리가 제거해야 하는 형광 기준선의 알려진 원천이기도 하므로, 두 프로브는 동반자만큼이나 서로의 대조물(foil)이기도 합니다.

표적들은 똑같이 학습 가능하지 않으며, 그들을 정직하게 순위 매기는 것이 첫 번째 진짜 교훈입니다. (정리하면: 글루코스와 글루타민은 세포가 소비하는 먹이이고, 락트산과 암모니아는 그들이 배설하는 폐기물이며, 역가는 항체 제품 자체이고, VCD는 살아 있는 세포의 개수입니다.)

표적	직접적 분자 라만 띠?	소프트 센싱 품질	이유
글루코스	예 (C-O, C-H 신축)	탁월함	강하고 특이적인 띠. 정전적(canonical) 라만 표적
락트산	예	탁월함	강한 띠. 단조롭게 상승하여 추적하기 쉬움
글루타민 / 글루탐산	예	좋음	또렷한 띠, 더 낮은 농도
암모니아	약함/간접적	보통	낮은 농도, 약한 시그니처. 흔히 상관을 통해 추론됨
역가(mAb)	예 (단백질 아마이드 띠)	매우 좋음	축적되는 단백질이 자라나는 특이적 신호를 줌
VCD / 전체 세포 밀도	직접 시그니처 없음	형편없음 — 약점	세포가 빛을 산란하지만 "개수"를 위한 깨끗한 라만 띠가 없음

마지막 열의 패턴이 이 장 전체를 축소판으로 담고 있습니다. 스펙트럼에 직접적 분자 띠를 가진 것들은 잘 예측되고, 분자의 농도가 아니라 물체의 개수인 것은 형편없이 예측됩니다. 이 생각을 붙잡아 두세요. 그것이 VCD 소프트 센싱이 이 분야의 끈질긴 미해결 문제인 이유입니다.

PLS 화학계량학 파이프라인

원시 라만 스펙트럼은 모델에 바로 쓸 수 없으며, 그것을 역가로 바꾸는 모델은 신경망이 아닙니다 — 그것은 화학계량학의 40년 묵은 역마, 부분최소제곱(Partial Least Squares, PLS) 회귀이며, 바이오공정의 소량-데이터 영역에서는 진정으로 이기기 어렵습니다 [1]. (스펙트럼의 급류에도 불구하고 "소량-데이터"인 이유: 부족한 것은 신호 행이 아니라 배치(batch)와, 그에 맞춰 보정하는 비싼 오프라인 진실 라벨입니다 — 스펙트럼은 수천 개지만 진짜 벤치 측정은 몇십 개뿐이고, 독립적 운전은 한 줌뿐일 수 있습니다.) 파이프라인은 두 부분으로 나뉩니다. 전처리, 그다음 잠재변수 회귀.

전처리(Preprocessing) 는 화학과 무관한 물리를 제거합니다. 스펙트럼은 기준선 표류(형광과 기기에서 오는 느린 곡률)와 곱셈적 산란(프로브 오염, 기포, 변하는 경로 길이로 인해 스펙트럼 전체가 위아래로 배율됨)을 담고 있습니다. 표준적이고 수십 년 묵은 두 단계가 이를 처리하는데, 데이터 장(data chapter)이 소개한 그대로입니다:

• 표준정규변량(Standard Normal Variate, SNV): 각 스펙트럼에 대해 독립적으로, 그 평균을 빼고 표준편차로 나눕니다. p개 채널의 단일 스펙트럼 x에 대해, 변환된 채널은 x'ᵢ = (xᵢ − x̄) / s이며, 여기서 x̄와 s는 그 하나의 스펙트럼 자신의 평균과 표준편차입니다. 이는 곱셈적 산란과 스펙트럼별 오프셋을 제거하여, 약간 오염된 창을 통해 찍은 스펙트럼과 깨끗한 창을 통해 찍은 같은 배양액의 두 스펙트럼이 비교 가능해집니다. SNV는 스펙트럼별로(행 단위로) 그 행 자신의 통계로부터 계산되므로, 행 간에 어떤 정보도 옮기지 않아 훈련/시험 경계를 가로질러 누설될 수 없습니다 — 진정으로 적합(fit)이 없는 드문 전처리 단계입니다.
• Savitzky-Golay 미분: 2m+1개 채널의 슬라이딩 윈도에서 최소제곱으로 저차 다항식을 적합한 뒤, 윈도 중심에서 그 다항식의 값(또는 미분)을 읽어냅니다. 1차 미분은 상수 오프셋을 죽이고, 2차 미분은 선형 기준선 기울기를 죽이는 한편, 다항식 적합은 잡음을 평활화하고 겹친 피크를 날카롭게 합니다. 윈도 길이와 다항식 차수는 진짜 초매개변수입니다. 너무 넓은 윈도는 피크를 번지게 하고, 너무 좁으면 잡음을 증폭합니다. 대략 715개 채널 윈도에서 1차 또는 2차 미분을 동반한 2차 다항식이 바이오공정의 기본값입니다 — 동반 모듈은 1차 미분과 함께 15개 채널 윈도를 돌리는데, 이는 교과서적인 511개보다 한 뼘 넓습니다. 701채널 격자(400–1800에 걸쳐 채널당 약 2 cm⁻¹)가 촘촘히 샘플링되어 있어 15개 채널이 ~30 cm⁻¹밖에 차지하지 않기 때문입니다. SNV-그다음-미분이 정전적 짝짓기입니다 — SNV가 스케일을 정규화하고, 미분이 기준선을 평탄하게 합니다.

잠재변수 회귀(Latent-variable regression) 는 그다음 보통 회귀를 여기서 무용지물로 만드는 문제를 풉니다. 당신은 701개의 파수 채널을 가지고 있고, 어느 순간에든 아마 수백 개의 훈련점을 가집니다 — 예시보다 특징이 훨씬 많고, 그 특징들은 대규모로 공선적(collinear)입니다(인접한 파수들이 함께 움직이는데, 단일 진동 띠가 많은 인접 채널에 걸치기 때문). 보통 최소제곱은 파국적으로 과적합할 것입니다. 행(예시)보다 열(채널)이 많으면 반드시 역행렬을 취해야 하는 정규방정식 행렬 (XᵀX)⁻¹이 특이(singular)해지고 — 유일한 해가 없어 적합이 불안정해지며 — 모델은 보정 잡음을 정확히 적합하여 아무것에도 일반화하지 못할 것입니다. PLS는 한 줌의 잠재변수(latent variables) — 표적과의 공분산을 최대화하도록 선택된, 701개 파수의 선형 결합 — 을 찾은 뒤, 원시 채널 대신 그 몇 개의 성분에 표적을 회귀시킴으로써 이를 우회합니다. PCA(Principal Component Analysis — 데이터셋이 가장 크게 변하는 방향을 찾는 표준 기법)가 X 안의 분산이 최대인 방향을 찾는 반면, PLS는 X와 y 사이의 공분산(표적과 함께 움직이는 방향)이 최대인 방향을 찾으며, 이것이 더 적은 성분으로 더 잘 예측하는 이유입니다. PLS는 자신의 자유도를, 가장 큰 스펙트럼 분산원(세포 배양에서는 흔히 표적과 무관한 상승하는 탁도)이 아니라, 실제로 역가와 함께 움직이는 스펙트럼 부분에 씁니다. 전형적인 바이오공정 라만 모델은 대략 6개에서 열두 개의 잠재변수를 쓰며, 우리 베이스라인은 5개에 안착하는데, 이는 미리 고정한 것이 아니라 (아래의) 교차검증으로 선택된 것입니다.

조금 더 정밀하게 진술하면, PLS는 스펙트럼 행렬 X(시점 × 파수)와 표적 벡터 y를 공유되는 k개의 점수(scores) T와 적재(loadings) P, q의 집합으로 분해합니다:

X ≈ T·Pᵀ        (the spectra reconstructed from k latent scores)
y ≈ T·qᵀ        (the target predicted from the same k scores)

점수 T = X·W는 각 스펙트럼을 k개의 가중치 벡터 W = [w₁ … w_k]에 투영한 것이며, 알고리즘은 그 가중치를 한 번에 하나씩 만듭니다. 첫 번째 방향 w₁은 공분산 cov(X·w, y)를 최대화하고, 이후의 각 w는 그 점수가 이미 추출된 모든 방향에 직교한다는 제약 아래 같은 공분산을 최대화하므로, 어떤 두 잠재변수도 같은 것을 두 번 설명하지 않습니다. X와 y가 같은 점수 T를 공유하기에, 모든 잠재 방향은 표적과 관련되도록 강제됩니다 — 그 공유된 분해가 전체 비결입니다. 성분 개수 k는 유일한 진짜 초매개변수이며, 배치별로 묶은 교차검증(cross-validation grouped by batch)(절대 행 단위가 아님 — 아래 참조)으로 선택됩니다. 성분이 너무 적으면 모델은 화학을 과소적합하고, 너무 많으면 배치별 잡음을 적합하기 시작하는데, 이것이 교차검증 오차가 떨어지기를 멈추고 다시 올라가는 고전적 과적합 무릎(knee)입니다. 최종 모델은 스펙트럼에 대해 선형인 단일 회귀-계수 벡터 b(파수마다 하나의 가중치, 더하기 절편)로 무너집니다 — 이는 한계가 아니라 특징입니다. 선형 화학계량 모델은 해석 가능(interpretable)하고(b를 파수에 대해 그려서 역가 예측이 어느 띠에 의존하는지 글자 그대로 볼 수 있고, 아마이드나 C-H 진동이 있어야 할 자리에 있는지 확인할 수 있습니다) 심층망과는 다른 방식으로 검증 가능(validatable)한데, 이것이 바로 신경망이 아니라 PLS가 GMP 소프트 센서에서 실제로 출하되는 이유입니다.

그러면 전체 파이프라인은 이렇습니다: SNV → Savitzky-Golay 미분 → 평균 중심화 → k 잠재변수 PLS → 예측 농도. 데이터로부터 학습하는 모든 매개변수(스케일러의 평균, PLS의 적재와 가중치)는 훈련 분할에서만 적합되어야 합니다 — 분할하기 전에 적합하면 누설된 것입니다. 그리고 전체 보정은 그 프로브에 묶여(bound to its probe) 있습니다. 레이저, 유동 셀(flow cell), 또는 세포주를 바꾸면 그 모델은 규제 목적상 재검증되기 전까지 새로운 절차입니다 — 이는 라만+PLS 소프트 센서 같은 다변량 절차를 검증하고 재검증하는 데 대해 ICH Q2(R2)와 Q14(2023년 확정)가 이제 제시하는 분석-절차-생애주기 기대입니다. (ICH는 규제 당국 전반에 걸쳐 의약품-품질 기대를 조화시키는 가이드라인을 내는 국제 기구이며, Q2(R2)와 Q14는 분석 방법 — 여기서는 모델 위에 세워진 측정 절차 — 의 검증에 관한 그 가이드라인입니다.) 벤치 참조 분석은 결코 사라지지 않는데, 하드웨어가 움직일 때마다 보정을 다시 접지(re-ground)시키는 것이 바로 그것이기 때문입니다.

학습된 핵심 상류 노드: 인라인 라만 프로브가 SNV/Savitzky-Golay/PLS 화학계량 파이프라인에 입력되어 스펙트럼에서 역가와 대사물질을 실시간으로 읽어내고 성긴 벤치 측정값에 닻을 내리며; 유전 프로브가 완고한 VCD 표적을 향해 손을 뻗고; 글루코스 구동 폐루프 컨트롤러가 30분마다 공급을 작동시키며; 하이브리드 기계론-플러스-ML 트윈이 14일 운전 전체를 예측한다 — 대사물질과 역가에는 상용급, VCD와 자율 제어에는 여전히 열린 최전선. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

코드로 본 PLS 소프트 센서, 그리고 그것을 부추기는 누설 함정

이 장의 첫 실행 가능 산출물은 examples/platform/ml/soft_sensor_pls.py입니다. 이것은 시뮬레이터의 라만 스펙트럼 위에 PLS 역가 소프트 센서를 만듭니다 — 더 화려한 어떤 모델이든 이겨야 하는 화학계량 베이스라인입니다. 실제 SNV + Savitzky-Golay 전단(front end)을 적용하고, 잠재 성분을 몇 개나 유지할지는 내부 교차검증이 고르게 하며, 그것들을 항체 역가에 매핑한 뒤, 자신이 의존한 띠를 명명하고 각 새 스펙트럼을 영역 안/밖으로 게이트(gate)합니다:

# examples/platform/ml/soft_sensor_pls.py — PLS titer soft sensor from in-line Raman
import numpy as np
from sklearn.cross_decomposition import PLSRegression
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import KFold, cross_val_score, train_test_split
from sklearn.preprocessing import StandardScaler

import dataio                                              # shared loaders + chemometric front end
TARGET = "titer_g_L"

def select_n_components(Z, y, k_max=15, seed=0):
    # inner 5-fold CV; pick the smallest k within one SE of the best (one-SE rule)
    cv = KFold(n_splits=5, shuffle=True, random_state=seed)
    means, ses = [], []
    for k in range(2, k_max + 1):
        s = cross_val_score(PLSRegression(n_components=k), Z, y, cv=cv, scoring="r2")
        means.append(float(s.mean())); ses.append(float(s.std(ddof=1) / np.sqrt(len(s))))
    means = np.array(means); best = int(means.argmax())
    chosen = int(np.argmax(means >= means[best] - ses[best]))    # smallest k clearing the 1-SE band
    return chosen + 2, round(means[chosen], 4)

def applicability_domain(pls, Z_train):
    # per-prediction in-/out-of-domain gate from Hotelling T2 (in-plane) + SPE (off-plane)
    T = pls.x_scores_; var = T.var(axis=0, ddof=1)
    spe_tr = np.sum((Z_train - pls.inverse_transform(T)) ** 2, axis=1)
    t2_lim, spe_lim = np.quantile(np.sum(T ** 2 / var, axis=1), 0.99), np.quantile(spe_tr, 0.99)
    def score(Z):
        Ts = pls.transform(Z); spe = np.sum((Z - pls.inverse_transform(Ts)) ** 2, axis=1)
        t2 = np.sum(Ts ** 2 / var, axis=1)
        return (t2 <= t2_lim) & (spe <= spe_lim)
    return score

def train_pls(test_size=0.3, seed=2026):
    X, y, wn = dataio.raman_xy(label=TARGET)
    Xp = dataio.snv_savgol(X)                              # SNV + Savitzky-Golay 1st derivative
    Xtr, Xte, ytr, yte = train_test_split(Xp, y, test_size=test_size, random_state=seed)
    scaler = StandardScaler().fit(Xtr)                     # mean-centre after SNV/SavGol, TRAIN only
    Ztr, Zte = scaler.transform(Xtr), scaler.transform(Xte)
    n_comp, cv_r2 = select_n_components(Ztr, ytr)          # inner-CV, one-SE rule (NOT hard-coded)
    pls = PLSRegression(n_components=n_comp).fit(Ztr, ytr)
    pred = pls.predict(Zte).ravel()
    vip = dataio.vip_scores(pls)                           # which wavenumbers the model leans on
    top = [(int(wn[i].split("_")[1]), round(float(vip[i]), 2)) for i in np.argsort(vip)[::-1][:6]]
    gate = applicability_domain(pls, Ztr)
    in_clean = gate(Zte)                                   # genuine held-out spectra
    corrupt = X[np.random.default_rng(seed).integers(0, len(X))].copy()
    j = int(np.argmin(np.abs(np.array([int(c.split("_")[1]) for c in wn]) - 1650)))
    corrupt[j:j+8] += 6.0 * corrupt.std()                 # cosmic-ray-style artifact at ~1650 cm-1
    out = gate(scaler.transform(dataio.snv_savgol(corrupt[None, :])))
    return {"n_components": n_comp, "cv_r2": cv_r2, "n_params": int(np.prod(pls.coef_.shape) + 1),
            "r2": round(float(r2_score(yte, pred)), 4),
            "rmse_g_L": round(float(np.sqrt(mean_squared_error(yte, pred))), 4),
            "vip_top": top, "vip_n_above_1": int((vip > 1.0).sum()),
            "clean_in_domain": round(float(in_clean.mean()), 3), "flags_corrupted": bool(not out[0])}

if __name__ == "__main__":
    m = train_pls()
    # prints R2/RMSE, the inner-CV n_components, the top VIP bands, and the AD gate result
    assert m["r2"] > 0.85, f"PLS R2 too low ({m['r2']}): dataset not predictive"
    assert m["vip_n_above_1"] > 0, "VIP should identify the bands the model uses"
    assert m["flags_corrupted"], "applicability domain must flag a corrupted spectrum"
    assert m["clean_in_domain"] >= 0.90, "genuine held-out spectra should be in-domain"

실행하면 다음을 출력합니다:

PLS soft sensor (titer from SNV+SavGol Raman): R2=0.9944 RMSE=0.127 g/L
  n_components=5 (inner 5-fold CV, one-SE rule; inner-CV R2=0.9905), 701 wavenumbers, 235 train / 101 test, 702 coefficients
  VIP > 1 on 389 wavenumbers; top bands: 1274cm-1 (VIP 1.41), 1276cm-1 (VIP 1.4), 1272cm-1 (VIP 1.4), 1270cm-1 (VIP 1.39), 1266cm-1 (VIP 1.38), 1268cm-1 (VIP 1.38)
  applicability domain (train 99th pct): T2<=17.164, SPE<=503.542 | held-out spectra in-domain=99%, corrupted spectrum flagged=True
ASSERT ok: R2 > 0.85, VIP names the bands, and the AD gate flags an out-of-domain spectrum while passing genuine ones.

그 줄에서 두 숫자는 잠시 멈춰 볼 가치가 있습니다. 모델은 702개 계수 — 파수마다 하나, 더하기 절편 — 이지만, 화학계량학적 의미에서 자유로운 것은 오직 다섯 개입니다. PLS가 701채널 가중치 벡터 전체를 5차원 잠재 부분공간에 놓이도록 강제하기 때문입니다 — 그리고 그 다섯은 하드코딩된 것이 아니라 1-표준오차 규칙(one-standard-error rule, 최선에서 1 SE 이내의 가장 검소한 모델) 아래 내부 5겹(5-fold) 교차검증으로 선택됩니다 — 단순함을 향한 의도적 편향입니다. 교차검증 오차가 통계적으로 최선과 동률인 모델들 가운데 가장 작은 것을 고르는데, 더 단순한 모델이 덜 과적합하고 더 믿음직하게 일반화하기 때문입니다 — 그래서 "한 줌의 성분"이라는 주장은 단언된 것이 아니라 획득된 것입니다. 그것이 PLS를 수백 개의 점 위에서 견고하게 만드는 매개변수 절약입니다. 해석 가능성을 위해 모든 채널의 계수를 보고하지만, 실제로 적합한 것은 다섯 방향뿐입니다.

동반 모듈 soft_sensor_deep.py는 그 대비를 명시적으로 만듭니다. 5,713개의 매개변수를 가진 1D-CNN이 R2=0.9924를 기록하는데, 이는 PLS의 R2=0.9944와 통계적으로 구별 불가능하면서 대략 여덟 배의 매개변수를 씁니다. 이 데이터에서 심층 모델은 화학계량 베이스라인을 이기지 못하며 — 이제 PLS가 그것을 근소하게 앞섭니다 — 바로 그것이 PLS가 출하되는 이유입니다.

이 출력의 두 줄을 더 읽을 가치가 있는데, 그것들이 이 장이 지금까지 약속만 했던 주장을 실현하기 때문입니다. VIP 점수가 이제 모델이 의존하는 띠를 명명합니다. 389개 파수에서 VIP가 1을 초과(VIP>1)하며, 최상위 점수는 1274cm-1, 1276cm-1, 1272cm-1, 1270cm-1, 1266cm-1, 1268cm-1에 몰려 있습니다 — 모두 단백질 아마이드 III 영역(대략 1230–1300 cm⁻¹)입니다 — 아마이드(amide) 띠는 단백질 골격의 시그니처이고, 항체 역가는 단백질이므로, 이것들은 정확히 역가가 스펙트럼에 써넣어야 할 띠입니다. 따라서 역가 모델은 입증 가능하게 올바른 이유로 올바릅니다. 그것은 기준선 표류나 탁도가 아니라 단백질 띠에 의존하고 있습니다. 그리고 적용 영역(applicability-domain) 게이트 — PLS 잠재 점수에서 계산된 Hotelling T2와 SPE로, 한계가 훈련 99 백분위수(T2<=17.164, SPE<=503.542)로 설정됨 — 는 진짜 보류 스펙트럼의 99%를 통과시키면서 주입된 손상 스펙트럼을 표시합니다(corrupted spectrum flagged=True) — 주입된 결함은 우주선(cosmic ray)이 라만 검출기를 때릴 때 실제로 잡히는 종류의 날카로운 스파이크로, 게이트가 반드시 잡아야 하는 알려진 결함입니다. 그것이 해부 카드가 약속하는 분포-밖(out-of-distribution) 자기 점검이며, 이제 도해 위에서만이 아니라 코드에서 작동합니다. 이 게이트는 형태가 새로운 스펙트럼(높은 SPE)이나 보정된 방향들에서 극단적인 스펙트럼(높은 T2)은 잡아내지만, 보정된 방향을 따라 조용히 표류하는 스펙트럼 — 가령 느린 기준선 이동 — 은 잡지 못하는데, 이것이 바로 오염-표류 실패 모드이며 벤치-참조 화해에서야 비로소 표면화됩니다. 그래서 진짜 쇠퇴 방어막은 AD 게이트가 아니라 잔차 모니터입니다.

공정 엔지니어처럼 읽으면 그 R²는 수상쩍게 좋습니다 — 그리고 그토록 좋은 이유가 응용 바이오공정 ML에서 단연 가장 중요한 경고입니다. 기본 train_test_split은 행을 섞어, 거의 동일한 배치 내 이웃들을 훈련/시험 경계를 가로질러 흩뿌리므로, 모델은 새로운 배치로 일반화하는 것이 아니라 거의 중복인 점들 사이를 보간하고 있는 것입니다. 느린 14일 운전에서 한 시간 차이로 떨어진 스펙트럼은 거의 같은 벡터입니다. 그것들을 무작위로 분할하면 시험 집합은 훈련 행의 근사 복제로 가득 찹니다. 이것이 바로 데이터 장이 누설 함정(leakage trap the data chapter)을 막기 위해 전체 dataio.py 모듈을 만드는 그것입니다. 커밋된 raman_spectra.parquet은 단일한 황금 배치(BATCH-2026-001)이므로, 재현 가능한 정직한 분할은 배치별 묶음이 아니라 시간-순방향(temporal) — 운전의 처음 70%에서 훈련하고 이후 시간들에서 시험하는 것 — 으로, 이는 센서로 하여금 보정받은 역가 범위를 넘어 외삽하도록 강제합니다. 출하된 모듈 examples/platform/ml/soft_sensor_split_demo.py(run_all.py가 실행)가 정확히 그것을 하며, 두 숫자를 나란히 출력합니다:

# soft_sensor_split_demo.py on the single golden batch (verbatim)
[ROW-WISE random split]        235 train / 101 test   R2 =  0.9927   <- LEAKED, do not trust
[TEMPORAL forward-in-time]     held-out later hours    R2 = -0.6325   <- honest, RMSE 1.6153 g/L

정직한 분할은 음(negative)의 R²로 무너집니다 — 모델이 그저 평균 역가를 예측하는 것보다 더 나쁘게 합니다 — 단일 배치의 보정이 자신이 본 범위를 넘어 외삽할 수 없기 때문입니다. 무작위 분할은 그것을 1.625 R²만큼 부풀립니다. 진정한 보류-배치 분할(여러 운전에서 보정하고 진정으로 보지 않은 하나를 시험)은 상용의 이상이며 transfer.py와 drift.py가 뒤에서 다루는 다중-배치 라만을 필요로 합니다 — 단일한 황금 배치 하나로는 실현할 수 없습니다. 두 종류의 정직한 분할 모두 같은 교훈을 공유합니다. 행 단위 숫자는 잘못된 이유로 높습니다. 시간적(혹은, 데이터가 더 있으면 배치별로 묶은) 숫자가 심사자 앞에 내놓을 수 있는 것입니다. 교훈은 "라만이 역가를 예측한다"(예측합니다)가 아닙니다. 그것은 검증 규율(validation discipline)이 방어할 수 있는 숫자와 환상을 가르는 것이라는 점입니다. 여기서의 단일-배치 붕괴는 방법에 대한 평결이 아니라 외삽 인공물입니다. 실제 라만 보정은 전체 역가 범위를 아우르는 여러 배치에 걸쳐 세워지며, 그 범위가 채워지고 나면 라만에서의 역가는 강하게 예측됩니다 — 바로 그것이 그것이 상류에서 유일한 상용급 ML 배포인 이유입니다.

이 모델이 실제로 어떻게 작동하는지를 빚는 화학계량 결정이 하나 더 있습니다. 하나의 전역 모델인가, 아니면 여러 개의 국소 모델인가? 운전 전체에 걸쳐 보정된 단일 전역(global) PLS는 단순하고 대부분의 배포가 그것으로 시작하지만, 유가식 배양물은 사실 두 체제입니다 — 지수 성장 단계와 정상(stationary) 생산 단계 — 그 스펙트럼과 역가 관계가 다르므로, 전역 모델은 어느 단계에도 잘 맞지 않는 타협이 될 수 있습니다. 대안은 작은 국소(local) 모델 뱅크(적시(just-in-time) 또는 단계 분할 접근)입니다. 현재 단계에 적절한 보정을 고르거나, 가까운 보정점에 더 무겁게 가중합니다. 국소 모델은 흔히 더 잘 예측하지만 검증 부담을 곱합니다 — 각각이 자격검증되고 유지되어야 할 절차이며, 그들 사이를 전환하는 로직 자체가 실패할 수 있는 것입니다. 실용적인 상용 답은 보통 두 단계를 다 걸칠 만큼 충분한 잠재변수를 가진 전역 모델을 공정이 바뀔 때마다 재검증하는 것입니다. 국소 모델의 이득은 실재하지만 개발에서 소비되는 것이지, 공짜로 사는 것이 아닙니다.

VCD가 어려운 것인 이유

이제 이 장의 핵심 기술 논증입니다. 같은 PLS 파이프라인을 역가 대신 VCD_e6_per_mL에 돌리고 정직한 분할 아래에서 보면, R²가 절벽에서 떨어집니다. 그 이유는 소프트웨어 버그나 튜닝 실패가 아닙니다 — 그것은 물리이며, 15년 묵은 미해결 문제를 설명하므로 정확히 진술할 가치가 있습니다.

역가가 잘 예측되는 것은 항체가 라만 시그니처를 가진 분자이기 때문입니다. 세포가 단백질을 분비함에 따라 특정 화학종의 농도가 배양액에서 상승하고, 그 종은 특징적 라만 띠를 가집니다(펩타이드 골격에서 오는 1650 cm⁻¹ 근처의 단백질 아마이드 I 띠와 1250 cm⁻¹ 근처의 아마이드 III, 더하기 페닐알라닌과 티로신에서 오는 방향족 곁사슬 띠). 항체가 많아질수록 알려진 파수에서 더 강한 특이적 신호가 나옵니다 — 양과 스펙트럼 사이의 직접적이고 인과적인 분자 연결입니다. 글루코스, 락트산, 글루타민도 같은 이야기입니다. 각각이 자기만의 띠를 가진 용해된 분자이므로, 그 농도가 스펙트럼에 직접 자신을 써넣습니다.

VCD가 형편없이 예측되는 것은 "생존 세포 밀도"가 농도가 아니라 개수이기 때문입니다. 세포는 라만 띠를 가진 분자가 아닙니다. 그것은 배지에 현탁된 복잡한 물체입니다. 세포는 라만 측정에 영향을 주긴 합니다 — 빛을 산란하고 흡수하며, 탁도를 높이고, 세포내 생화학이 확산성 배경에 기여합니다 — 그러나 "밀리리터당 2백만 개 세포"를 뜻하는 깨끗한 띠는 없습니다. 라만이 담는 어떤 VCD 신호든 간접적이고 교란(confounded)되어 있습니다. 그것은 탁도(이것도 잔해와 기포에 따라 변함), 벌크 생화학 조성(세포가 자라다가 죽으면서 이동함), 그리고 띠를 가진 대사물질들과의 상관 위에 얹혀 있습니다 — VCD와 글루코스 소비는 초기에 함께 상승하므로, 모델은 글루코스를 슬쩍 읽음으로써 VCD를 "예측"할 수 있습니다. 모델은 그 상관에 들러붙어 보정 배치들에서 그럴듯해 보일 수 있지만, 그 상관은 운전마다 안정적이지 않습니다 — 생존율이 이동하고, 죽은 분획이 오르며, 배지 로트가 바뀌고, 사멸 단계가 개수를 대사물질로부터 분리합니다 — 그래서 라만 VCD 모델은 형편없이 전이되고 빠르게 쇠퇴합니다. 그것은 대리물(proxy)을 통해 개수를 예측하고 있는데, 그 대리물이 계속 움직입니다. 그리고 어떤 개수인지에 주목하세요. 라만이나 탁도가 나르는 어떤 바이오매스 신호든 전체 세포 또는 바이오부피 쪽으로 기우는데, 죽고 용해되는 분획도 여전히 빛을 산란하기 때문입니다 — 그래서 라만이 근본적으로 할 수 없는 것은 살아 있는 세포와 죽은 세포를 가르는 생존율 판별이며, 바로 그것이 (전체 세포 밀도가 아니라) VCD가 모든 것 중 가장 어려운 이유입니다.

이것이 유전(정전용량) 분광법이 중요한 이유입니다. 그것은 라만이 결여한 답으로 향하는 진정한 물리적 통로를 가집니다. 정전용량은 무선주파수 장 아래에서 온전한 세포막의 분극성(polarizability)을 측정하며, 그 분극 가능한 바이오부피는 대략 생존 세포 밀도에 비례합니다 — 교란된 상관이 아니라 직접적이고 인과적인 연결입니다. 그러나 정전용량조차 같은 함정의 자기 버전을 가집니다. 그 신호는 세포 개수가 아니라 생존 바이오부피이므로, 나이가 들며 부풀거나, 쪼그라들거나, 막 성질이 변하는 집단은 같은 명목 VCD에 대해 다르게 읽힐 것이고, 세포가 용해되어 막 무결성을 잃으면 정전용량 신호는 개수보다 빠르게 사라집니다. 그래서 "VCD를 어떻게 소프트 센싱하나?"에 대한 정직한 공학적 답은 보통 "그것에 라만을 의지하지 마라 — 정전용량 프로브를 추가하고, 그래도 죽은 분획이 오르고 막 신호가 흐려지면서 그것이 열화되리라 예상하라"입니다. VCD 소프트 센싱은 분광 감시의 공인된 약점으로 남아 있습니다. 그것은 어떤 단일 인라인 프로브도 깨끗하게 읽지 못하는, 일상적으로 필요한 유일한 상류 양이며, 그 간극을 닫는 것은 해결된 문제가 아니라 능동적인 연구 문제입니다.

이것이 VCD 모델뿐 아니라 모든 라만 모델에 갖는 미묘하고 중요한 결과가 있습니다. 세포가 빛을 산란하고 흡수하므로, 상승하는 세포 밀도가 전체 스펙트럼을 감쇠시키고 왜곡합니다 — 글루코스나 역가의 화학을 담은 띠가 그 위에 얹히는 탁도 효과입니다. SNV와 미분 전처리는 부분적으로 이 교란을 제거하기 위해 있지만, 결코 완전히 제거하지는 못하며, 이는 낮은 세포 밀도에서 보정된 대사물질 모델이 배양물이 빽빽하고 탁해지면서 표류할 수 있다는 뜻입니다. 다시 말해 VCD 약점은 한 표적의 고립된 실패가 아닙니다. 그것은 이 장이 방금 칭찬한 대사물질 모델들의 정확도를 조용히 위협하는 바로 그 산란 물리입니다 — 벤치 참조와 배치별 검증이 선택사항이 아닌 또 하나의 이유입니다.

더 깊은 교훈은 이 한 변수를 넘어 일반화됩니다. 소프트 센서는 신호와 표적 사이의 물리적 연결만큼만 좋습니다. 그 연결이 직접적 분자 띠인 곳에서 ML은 상용급입니다. 그것이 간접적이고 표류하는 대리물인 곳에서 ML은 보정에서는 괜찮아 보이다가 다음 로트에서 당신을 배신하는 숫자를 만들어 냅니다. 당신이 어느 체제에 있는지 아는 것 — 그리고 그렇게 말하는 것 — 이 신뢰할 수 있는 소프트 센서와 확신에 찬 거짓말쟁이를 가르는 차이입니다.

폐루프 글루코스 제어: 측정에서 행동으로

보고만 하는 소프트 센서는 모니터입니다. 그것이 작동기를 구동하는 순간, 그것은 제어가 됩니다 — 그리고 바이오리액터에서 가장 성숙한 예가 폐루프 글루코스 피드백 제어(closed-loop glucose feedback control)입니다. 발상은 고정된 일정에 따라 일시 공급(bolus-feed, 공급의 단일한 이산적 1회분을 전달하는 것)하는 대신, 글루코스를 인라인으로 측정하고 공급을 자동으로 조정하여 좁은 표적 띠 안에 유지하는 것입니다. 루프는 연속적으로 돌아갑니다:

1. 측정. 라만 소프트 센서가 현재 글루코스 농도를 추정하고(가령 매분), 나머지 온라인 상태와 나란히 BR101.Glucose.PV로 태깅합니다 — 데이터 장(data chapter)의 점으로 구분된 unit.measurement.role 태그로, 여기서는 바이오리액터 BR101의 글루코스 공정값(process value)(PV, 실시간 측정된 값)입니다.
2. 결정. 컨트롤러가 추정값을 설정값(setpoint)과 비교하여 보정을 계산합니다 — 오버슈팅 없이 글루코스를 표적으로 되돌리기 위해 다음 구간에 공급을 얼마나 추가할지.
3. 작동. 컨트롤러가 공급 펌프(BR101.GlucoseFeed 작동기)에 그 부피를 전달하도록 명령합니다.
4. 대기 후 반복. 루프는 보통 대략 30분 주기로 작동합니다 — 공급이 혼합되고 세포가 반응하기에 충분히 길고, 좁은 띠를 유지하기에 충분히 짧으며, 단일한 잡음 섞인 스펙트럼이 펌프를 휘청거리게 할 수 없을 만큼 충분히 깁니다.

글루코스를 낮고 일정하게 유지하는 것은 진짜 공정 가치를 가집니다. 락트산과 암모니아를 만드는 과잉 대사(overflow metabolism)를 억제하고, 글리코실화(항체의 당사슬 패턴, 품질 속성)를 원하는 분포로 이동시킬 수 있으며, 고정 일시 공급이 일으키는 삼투압(osmolality, 세포가 사는 환경의 총 용해-용질 농도) 변동을 줄입니다. 그것은 부산물을 깎는 것 이상을 합니다. 통제된-저농도 또는 글루코스-제한 공급 아래에서 CHO 배양물은 흔히 순(net) 락트산 생산에서 락트산 소비로 뒤집히는데 — 잘 알려진 대사 "락트산 전환(lactate shift)"(글루코스가 부족하면 세포는 글루코스를 빠르게 태우고 잉여 탄소를 락트산으로 버리는 과잉 대사를 멈추고, 대신 앞서 만든 락트산을 산화시키는데, 이는 pH-완충 부담을 덜고 배양 건강을 개선함) — 이것이 공장이 애초에 좁은 글루코스 띠를 원하는 가장 믿을 만한 이유 중 하나입니다. 제어 법칙 자체는 단순할 수도, 모델 기반일 수도 있습니다. 가장 단순한 작동 가능 버전은 이산 전향(feedforward)-플러스-피드백 법칙입니다. 최근 궤적으로부터 세포의 현재 글루코스 소비 속도를 추정하고(세포가 막 먹으려는 것을 공급하는 전향 항), 측정된 글루코스와 그 설정값 사이 격차에 비례하는 피드백 보정을 더합니다:

feed(t) = consumption_estimate(t) · Δt  +  Kp · (glucose_setpoint − glucose_hat(t))

여기서 glucose_hat(t)는 라만 소프트 센서의 추정값이고 Kp는 조율된 이득(gain)입니다 — 루프가 오차에 얼마나 세게 반응하는지를 정하는 단일 다이얼로, Kp가 클수록 더 빨리 보정하지만 과잉 반응할 위험이 있습니다. 두 항은 노동을 깔끔하게 나눕니다. 전향 항(세포가 막 필요로 할 것으로부터 미리 계산된 보정)이 대부분의 일을 합니다 — 상승하는 바이오매스를 추적하고 글루코스가 떨어질 기회를 갖기 전에 대량 수요를 공급합니다 — 한편 피드백 항은 소프트 센서와 소비 모델이 남긴 오차, 순수 전향 일정이 누적시켰을 작은 잔차 불일치를 정리합니다. Kp를 너무 높게 조율하면 루프가 센서 잡음을 쫓아 진동하고, 너무 낮으면 수요가 뛸 때마다 설정값 아래로 처집니다. 더 진보된 시연은 consumption_estimate를 작은 예측 모델(다음 구간의 수요를 예보하는 1-스텝-앞 MPC — 모델 예측 제어(Model Predictive Control), 공정을 미래로 짧은 거리만큼 시뮬레이션하여 가장 좋은 예보를 주는 행동을 골라 각 수를 결정하는 컨트롤러)로 대체하고, glucose_hat을 공급하는 데 심층학습 소프트 센서를 씁니다.

이 모음은 이제 정확히 그런 컨트롤러를 실행 가능한 형태로 제공합니다 — examples/platform/ml/mpc_loop.py, 글루코스 공급의 조언형(advisory) 후퇴-지평선(receding-horizon) MPC입니다. 각 제어 스텝(매 12시간 — 위의 ~30분 상용 주기보다 거친 스텝으로, 시뮬레이터의 샘플링에 따른 것이며 루프 로직은 동일함)에서 그것은 잡음 섞인 소프트 센서 글루코스 추정값(참 플랜트 글루코스 더하기 시드된 측정 잡음 — 컨트롤러는 결코 진실을 보지 못함)을 읽고, 작은 후보 공급 일시투여 격자 각각 아래에서 기계론적 디지털 트윈을 짧은 지평선만큼 앞으로 굴린 뒤, 예측된 글루코스를 4.0 g/L 설정값에 가장 가깝게 유지하는 공급을 제안하며, 다시 계획하기 전 첫 수만 적용합니다. 개루프 고정-일시투여 베이스라인에 대비해 그것은 글루코스 추적을 날카롭게 조입니다:

advisory soft-sensor MPC of glucose feed (setpoint = 4.0 g/L; control every 12 h)
  open-loop (fixed boluses)   : glucose tracking RMSE = 3.37 g/L, final titer = 5.77 g/L
  closed-loop (MPC, advisory) : glucose tracking RMSE = 1.09 g/L, final titer = 4.01 g/L
  note: the controller PROPOSES; in GMP a human / qualified automation with a safe fallback retains authority.

그 틀은 이 절이 고집해 온 바로 그것입니다. 컨트롤러는 공급을 제안하지, 펌프를 차지하지 않습니다. 실제 GMP 공장에서는 사람이, 또는 안전 대체를 갖춘 자격검증된 자동화 계층이 권한을 보유합니다 — 모듈 자신의 인쇄된 주석과 그 단언들이 그것을 정직하게 유지하며, 조언형 루프가 개루프보다 글루코스를 더 잘 추적하고 배양물을 망가뜨리지 않았는지만 점검할 뿐, 그것이 배치를 무인으로 돌리기에 적합한지는 점검하지 않습니다. 루프의 가장 어려운 공학은 제어 법칙이 아니라 실패 모드(failure modes)입니다. 오염된 프로브는 glucose_hat을 표류시키고, 표류하는 추정값이 펌프에 곧장 연결되면 하루 두 번의 벤치 샘플이 잡아내기 전 몇 시간 동안 체계적으로 과공급 또는 과소공급할 수 있습니다. 그래서 상용 루프는 컨트롤러를 인터록(interlock)으로 감쌉니다:

• 속도 및 부피 한계 — 구간당 공급은 생리학적으로 그럴듯한 띠로 제한되어, 어떤 단일 명령도 탱크를 쏟아붓거나 굶길 수 없습니다.
• 추정값 온전성 점검 — glucose_hat은 더 느린 온라인 상태와 교차 확인되고(pH나 산소 흡수에 부합하는 변화 없이 갑자기 뛰면 실제 변동이 아니라 센서 결함으로 취급됨) 프로브 자신의 스펙트럼 품질 플래그와도 대조됩니다.
• 안전 대체(safe-fallback) — 프로브 품질 플래그가 나빠지거나 추정값이 온전성 점검에 실패하면, 루프는 보수적인 일정에 따른 공급으로 되돌아가고 경보를 올려, 나쁜 추정값이 배치를 절벽으로 몰아가는 대신 안전하게 실패하도록 합니다.

정직한 틀은 무엇이 GMP로 넘어가는가에 관한 것입니다. 라만 플러스 심층학습을 통한 폐루프 글루코스 제어는 규모에서 시연되었으며 — Amgen이 보여 주었습니다 — 그러나 (파일럿) 성숙도에 자리합니다. 시연된 능력이지, 잠긴 검증된 제어 루프 아래에서 상업적 배치를 공급하는 기본 방식은 아직 아닙니다. 규제상의 이유는 상류 ML의 반복되는 주제입니다. CQA에 영향을 주는 입력을 자율적으로 움직이는 모델은 사람에게 조언하는 모델보다 훨씬 높은 잣대에 묶입니다. 글루코스를 운전자에게 표시하고 운전자가 공급을 결정하는 소프트 센서는 감시입니다. 펌프에 곧장 연결된 소프트 센서는 제어이며, 제품 품질에 영향을 주는 매개변수의 제어는 FDA의 2023년 논의 문서와 EU/PIC/S GMP Annex 22 초안이 모두 제시한 공정 검증(process validation, 공정이 규격에 맞는 약물을 믿음직하게 만든다는 문서화된 증명), 변경 관리, "잠긴 모델(locked model)" 기대 — 배포된 모델이 동결되고 버전이 매겨지며 생산에서 조용히 재훈련되지 않는다는 것 — 의 온 무게를 부릅니다. 그 능력은 실재하고 시연되었습니다. 규모화된, 일상적인, 상업-GMP 배포가 최전선이지, 표준은 아닙니다.

하이브리드 디지털 트윈: 물리가 추세를 나르고, ML이 곡률을 보정한다

이 장에서 가장 야심 찬 대상은 운전의 디지털 트윈(digital twin)입니다 — 프로브에서 현재 상태를 읽기만 하는 것이 아니라 궤적 전체를 예보하는 모델이어서, "이렇게 공급하면 14일째 역가는 어디에 떨어지나?"를 물을 수 있습니다. 순수 블랙박스 신경망은 공정이 가질 수 있는 것보다 훨씬 많은 배치를 필요로 할 것입니다. 순수 제일원리 모델은 추세를 잡지만 이 세포주가 이 배지에서 교과서로부터 벗어나는 체계적 방식을 놓칩니다. 바이오공정에서 이기는 패턴은 둘 다 아닙니다. 그것은 작은 ML 잔차로 보정된 제일원리 골격, 하이브리드(회색상자, gray-box) 모델입니다.

완전한 기계론적 유가식 모델은 연립 상미분방정식(ordinary differential equations)(ODE — 각 양의 변화율을 진술하는 방정식, 가령 세포 개수나 글루코스가 매 순간 얼마나 빨리 움직이는지; 각 변화율이 서로에 의존하기에 "연립")의 집합입니다 — 생존 세포가 자라고 죽고, 글루코스와 글루타민이 소비되고, 락트산과 암모니아가 생산되고, 역가가 축적되며 — 각각은 운동학적 매개변수(최대 성장 속도 μ_max, Monod 반포화 상수 — Monod는 영양소가 풍부할 때는 성장을 강하게 추동하다가 떨어지면서 점점 약해진다는 표준 규칙임 — 소비된 기질과 바이오매스를 잇는 수율 계수, 그리고 한 세포가 얼마나 빨리 항체를 분비하는지를 나타내는 비생산성 qP)가 다스립니다. 도식적으로:

dXv/dt = (μ − kd)·Xv          μ = μ_max · [Glc/(K_glc + Glc)] · ...   (growth − death)
dGlc/dt = −(1/Y_xglc)·μ·Xv − m·Xv  + feed(t)        (consumed ∝ growth + maintenance)
dP/dt  = qP·Xv                                       (titer accumulates ∝ viable cells)

그 골격이 트윈의 제일원리 부분이며, 모델이 훈련받지 않은 조건으로 분별 있게 외삽(extrapolate)하게 만드는 것입니다 — Monod 항은 영양소가 떨어지면 성장이 느려진다는 것을 부호화하는데, 어떤 블랙박스도 공짜로 얻지 못하는 지식입니다. 그것의 가장 단순하고 유용한 조각 — 실행 가능 모듈이 구현하는 것 — 은 역가만을 위한 역가 관계(titer relation)입니다. dP/dt = qP·Xv를 운전에 걸쳐 적분하면, 분비된 역가 P는 생존 세포 밀도의 적분(integral of viable cell density, IVCD)에 단일 비생산성 상수 qP를 곱한 것과 같습니다. 말로 하면, 만들어진 총 항체는 (생산적인 세포가 몇 개였는지) × (그들이 얼마나 오래 생산적이었는지) × (각자가 얼마나 빨리 분비하는지)입니다. 원점을 지나는 최소제곱으로 적합된 그 한 상수가 이미 분산의 대부분을 설명합니다. 그러나 상수-qP 가정은 세부에서 틀립니다 — 성장이 느려지고 세포가 자원을 분비로 돌리는 정상 단계에서 비생산성이 상승하며, 그 상승은 임의적이지 않습니다. CHO에서 qP는 흔히 성장 속도에 의존하여 비성장 속도가 떨어질수록 오르는 경향이 있는데, 이는 많은 플랫폼이 쓰는 의도적 온도 전환 뒤의 바로 그 생리입니다 — 배양물을 몇 도 식히면 의도적으로 성장이 느려지고, 더 느리게 자라는 세포는 각자 더 많은 항체를 분비하는 데 자원을 돌려, 세포를 느린-성장, 고-분비 생산 단계로 밀어 넣습니다 — 그래서 작은 신경망이 공정 상태를 읽으며 오직 잔차(참 역가 빼기 기계론적 예측)만으로 훈련됩니다. 물리가 추세를 나르고, 신경망이 상수가 잡지 못하는 곡률을 보정합니다. 이것이 병렬(parallel) 회색상자입니다: ŷ = mechanistic(state) + NN(state). 대안인 직렬(serial) 회색상자는 대신 신경망이 매개변수 — 가령 시변(time-varying) qP(state) — 를 공급하고 그것을 기계론적 방정식이 적분합니다. 직렬 형태는 출력이 물리를 따르도록 보장(역가는 오르기만 할 수 있고 결코 음수가 될 수 없음)하지만, 신경망의 오차가 ODE 솔버를 통과하므로 적합하기가 더 어렵습니다. 한편 병렬 형태는 적합하고 추론하기가 가장 쉽습니다. 두 배치 모두 상용 규모 트윈에서 쓰입니다.

이 장의 두 번째 실행 가능 산출물 examples/platform/ml/hybrid_model.py는 정확히 이 병렬 회색상자를 만들어 순수-NN 베이스라인과 겨루게 합니다:

# examples/platform/ml/hybrid_model.py — mechanistic IVCD backbone + NN residual
from pathlib import Path
import numpy as np
import pandas as pd
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPRegressor
from sklearn.preprocessing import StandardScaler

DATA = Path(__file__).resolve().parents[2] / "datasets"
TARGET = "titer_g_L"
FEATS = ["Xv_e6_per_mL", "glucose_g_L", "lactate_g_L", "glutamine_mM",
         "ammonia_mM", "t_day", "viability_pct"]

def load_state():
    df = pd.read_parquet(DATA / "fedbatch_state.parquet")
    return df.iloc[::60].reset_index(drop=True)          # minute -> hourly (336 rows)

def ivcd(df):                                            # cumulative integral of viable cells
    t, xv = df["t_day"].to_numpy(), df["Xv_e6_per_mL"].to_numpy()
    return np.cumsum(xv * np.diff(t, prepend=t[0]))

def train_hybrid(test_size: float = 0.3, seed: int = 2026):
    df = load_state(); y = df[TARGET].to_numpy(); iv = ivcd(df); X = df[FEATS].to_numpy()
    tr, te = train_test_split(np.arange(len(df)), test_size=test_size, random_state=seed)
    qp = float(np.sum(iv[tr] * y[tr]) / np.sum(iv[tr] ** 2))      # qP through the origin
    mech = qp * iv                                               # mechanistic backbone
    scaler = StandardScaler().fit(X[tr])
    nn = MLPRegressor((32, 16), max_iter=5000, alpha=1e-3, random_state=seed)
    nn.fit(scaler.transform(X[tr]), (y - mech)[tr])             # NN learns ONLY the residual
    hybrid = mech + nn.predict(scaler.transform(X))
    pure = (MLPRegressor((32, 16), max_iter=5000, alpha=1e-3, random_state=seed)
            .fit(scaler.transform(X[tr]), y[tr]).predict(scaler.transform(X)))   # pure-NN baseline
    sc = lambda p: (round(float(r2_score(y[te], p[te])), 4),
                    round(float(np.sqrt(mean_squared_error(y[te], p[te]))), 4))
    return {"qP": round(qp, 5),
            "mech": dict(zip(("r2", "rmse"), sc(mech))),
            "hybrid": dict(zip(("r2", "rmse"), sc(hybrid))),
            "pure_nn": dict(zip(("r2", "rmse"), sc(pure)))}

if __name__ == "__main__":
    m = train_hybrid()
    print(f"Hybrid titer model on BATCH-2026-001 state (qP={m['qP']} g per 1e6 cell-day/mL):")
    print(f"  mechanistic only  R2={m['mech']['r2']:.4f}  RMSE={m['mech']['rmse']:.4f} g/L")
    print(f"  pure NN           R2={m['pure_nn']['r2']:.4f}  RMSE={m['pure_nn']['rmse']:.4f} g/L")
    print(f"  HYBRID (mech+NN)  R2={m['hybrid']['r2']:.4f}  RMSE={m['hybrid']['rmse']:.4f} g/L")
    assert m["hybrid"]["rmse"] <= m["mech"]["rmse"], "hybrid should beat mechanistic-only"
    print("ASSERT ok: the residual network lowers RMSE below the mechanistic backbone.")

실행하면 다음을 출력합니다:

Hybrid titer model on BATCH-2026-001 state (235 train / 101 test, qP=0.04049 g per 1e6 cell-day/mL):
  mechanistic only  R2=0.9865  RMSE=0.1983 g/L
  pure NN           R2=0.9995  RMSE=0.0370 g/L  (801 params)
  HYBRID (mech+NN)  R2=0.9998  RMSE=0.0228 g/L
ASSERT ok: the residual network lowers RMSE below the mechanistic backbone.

세 줄을 하이브리드 모델링을 위한 논증으로 읽으세요. 기계론 단독 골격 — 단일 적합 상수, qP=0.04049 g per million cell-days per mL — 은 보류된(held-out) 시간들에서 이미 R2=0.9865에 도달하는데, 이것이 제일원리가 바이오공정에서 그토록 강력한 사전(prior)인 이유입니다. 물리적으로 의미 있는 한 숫자가 14일 역가 곡선의 대부분을 설명합니다. 순수 NN은 801개의 매개변수와 물리 없이, 이 깨끗한 단일-배치 데이터에서 RMSE를 0.0370 g/L까지 끌어내립니다 — 그러나 그것은 의지할 추세가 없고 암기된 상관만 있기에 분포 밖(off-distribution)에서 더 빨리 무너질 것입니다. 하이브리드는 명확히 그리고 값싸게 이깁니다. 그것은 R2=0.9998, RMSE=0.0228 g/L, 셋 중 최고에 도달하는데, 신경망이 이미 거의 옳은 골격 위에 작은 정상-단계 곡률만 학습하면 되었기 때문입니다 — 그래서 그 잔차 표적이 작고 적합하기 쉽습니다. 그러나 세 숫자 모두 PLS 절이 가르친 방식으로 읽으세요. 이것은 단일 배치의 행 단위 분할이므로, 여기 모든 점수는 새 배치 성능이 아니라 단일 운전 안에서의 보간입니다 — 하이브리드 0.9998은 PLS 0.9944와 정확히 같은 누설 경고를 안고 있으며, 이 숫자 중 어느 것도 새 배치에 대해 심사자 앞에 내놓을 수 있는 것은 아닙니다. 바이오공정을 정의하는 콜드스타트, 소량-배치 체제에서, 그 매개변수 절약이 핵심 전부입니다 — 물리가 당신이 가진 라벨을 당신이 정작 모르는 부분에 쓰고, 신경망의 일은 한 줌의 운전에서 학습할 수 있는 작은 보정으로 줄어듭니다. (이 단일한 황금 배치에서는 셋 모두 높은 점수를 냅니다. 하이브리드의 진정한 이점은 새로운 배치에서 드러나는데, 거기서는 기계론적 추세가 여전히 유지되지만 순수 NN의 암기된 상관은 그렇지 않습니다 — PLS 절이 고집한 바로 그 배치별 정직성입니다.)

트윈의 두 가지 추가 용도가 명명할 가치가 있습니다. 첫째, 공급을 위한 ML-대리(surrogate) MPC: 빠른 하이브리드 순방향 모델을 갖게 되면, 그것을 모델 예측 제어(model predictive control)로 감쌀 수 있습니다 — 각 스텝에서, 각 후보 공급 프로파일 아래 다음 몇 시간을 시뮬레이션하고, 락트산과 삼투압 제약 아래 역가 또는 글루코스 목표를 가장 잘 맞히는 것을 고르고, 첫 수를 작동시키고, 다음 스텝에서 다시 계획합니다. 하이브리드 모델은 이 실시간 최적화를 다루기 쉽게 만드는 값싸고 미분 가능한 대리물인데, 완전한 기계론적 운동학-CFD 시뮬레이션은 제어 구간마다 수백 개의 후보 프로파일을 평가하기엔 훨씬 너무 느릴 것입니다. 둘째, 측정되지 않은 상태의 소프트 센싱: 트윈은 전혀 프로브할 수 없는 양들(비생산성, 참 생존 분획, 죽은 세포 부하)을, 도착하는 어떤 측정값과든 기계론적 상태를 화해시킴으로써 추정할 수 있습니다 — 물리가 예측을 제공하고 성긴 벤치 참조가 보정을 제공하는, 칼만 필터(Kalman filter, 모델의 예측을 매 새로운 잡음 섞인 측정값과 섞어 숨은 상태를 추적하는 고전적 재귀 추정기) 상태 추정의 학습된 유사물입니다.

소프트 센서 예측 한 건의 해부

소프트 센서 측정값은 결코 헐벗은 숫자가 아닙니다. 이 시리즈의 모든 산출물처럼, 그 가치는 그것과 함께 따라가는 것 안에 있습니다 — 그것을 만든 스펙트럼, 그 뒤의 전처리와 모델 버전, 그것을 둘러싼 불확실성, 그리고 결국 그것을 채점할 벤치 참조. 한 예측을 떼어 보면 이 장 전체가 필드(field)로 펼쳐집니다.

완전히 풀어낸 소프트 센서 예측 한 건: 그것을 입력한 원시 및 전처리된 라만 스펙트럼과 정렬된 온라인 상태, 띠와 그 뒤의 잠재변수를 가진 확신에 찬 역가와 대사물질 추정값, 약점을 표시하는 의도적으로 넓은 VCD 추정값, 그것을 채점할 벤치 참조, 그리고 그것을 다스릴 수 있게 만드는 관계들 — 보정 집합, 모델 버전, 그것이 구동할 수 있는 컨트롤러, 그리고 어떤 CQA에 영향을 주는 행동에 대한 인간-개입 선. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

카드를 필드 하나하나 읽으세요:

• 헤더 — 신원과 출처. model: soft_sensor_pls v1, subject: BR-101, batch: BATCH-2026-001, t = batch-hour 168. 모델의 버전을 명명하는 것은 장식이 아닙니다. 보정은 특정 프로브, 유동 셀, 세포주에 묶여 있으므로, 버전은 이 숫자를 어느 검증된 절차가 만들었는지 고정합니다. 모델 버전이 없는 측정값은 고아(orphan)입니다.
• 입력 — 값싸고 빠른 신호. 원시 701채널 스펙트럼(wn_400 … wn_1800)을 스파크라인으로, 그 곁에 SNV-그다음-Savitzky-Golay-전처리된 쌍을, 그리고 정렬된 온라인 상태(BR101.Temp.PV = 36.5 °C, BR101.pH.PV = 7.04, 용존 산소). 원시와 전처리된 스펙트럼이 둘 다 나타나서, 심사자가 전처리가 무엇을 제거했는지 — 기준선 곡률과 산란 — 보고 그것이 진짜 피크를 지우지 않았음을 확인할 수 있습니다.
• 녹색 핵심 — 확신에 찬 예측. 신뢰 띠를 가진 g/L 단위 역가, 그다음 각자의 띠를 가진 글루코스, 락트산, 글루타민, 암모니아 — 직접적 분자 띠를 가진 표적들. 모든 추정값에는 그것을 만든 다섯 개의 PLS 잠재변수가 도장 찍혀 있어, 그 숫자는 다섯 점수를 거쳐 스펙트럼까지 거슬러 추적됩니다. 이것이 심층망은 주지 못할 해석 가능성입니다.
• 호박색 약점 — 필드로서의 정직성. VCD 추정값은 의도적으로 넓은 불확실성 띠와 명시적 주석과 함께 실립니다: 라만은 세포 개수를 위한 직접 띠가 없다. 이것은 교란된 대리물에 얹혀 있다 — 정전용량 프로브를 선호하라. 이 장의 핵심 경고는 여기서 각주가 아닙니다. 그것은 카드의 구조적 필드이므로, 어떤 하류 소비자도 VCD를 역가와 같은 신뢰로 읽을 수 없습니다.
• 화해 — 유일한 진짜 점수. 하루 두 번의 벤치 참조 역가와 대사물질, 그리고 그 참조에 대한 각 예측의 잔차. 이것이 표류 탐지가 함께 살아야 하는 지연 신호입니다. 두 벤치 샘플 사이에서 표류하는 센서는 건강한 것과 똑같아 보이므로, 잔차 행이 모델 쇠퇴가 결국 표면화되는 곳입니다.
• 보라색 관계 — 그것을 다스릴 수 있게 만드는 것. 모델이 묶인 보정 배치들로의 링크, 데이터셋 해시, 모델과 전처리 버전, 글루코스 추정값이 구동할 수 있는 폐루프 글루코스 컨트롤러, 그리고 CQA에 영향을 주는 어떤 행동도 조용히 넘어서는 안 되는 인간-개입 경계.

위에서 아래로 읽으면, 카드는 이 장의 압축판입니다. 값싼 신호, 확신에 찬 핵심, 정직하게 표시된 약점, 지연 점수, 그리고 그 숫자가 무엇을 하도록 허용되는지 결정하는 거버넌스 가장자리.

소프트 센서를 신뢰할 수 있게 만드는 것: 그 아래의 시맨틱 계층

카드의 보라색 가장자리는 장식이 아닙니다 — 그것은 감사자가 방어할 수 있는 숫자와 고아인 숫자를 가르는 차이입니다. 각 가장자리는 형식적으로 지식 그래프의 한 조각이며, 소프트 센서를 온톨로지에 접지하는 것이 그 특징을 안정적으로, 그 훈련 데이터를 완전하게, 그 검증을 정직하게 만드는 것입니다. 이 책 곁의 책들에서 곧장 뻗어 나오는 네 가닥이 있습니다.

열 이름이 아니라 의미로 끌어온 특징. 모델의 입력 — BR101.Glucose.PV — 은 데이터 장(data chapter)이 정의한 점으로 구분된 unit.measurement.role 태그이지만, 그 진짜 닻은 한 단계 더 깊습니다. 그 태그는 ISA-95 설비 계층(unit, equipment 요소, 공정값(process value)이 형식적으로 무엇인지를 말하는 IEC 62264 객체 모델)의 한 위치로 해소되고, 데이터 그림자(data shadow)가 태깅된 측정값을 옮기는 것으로 기술하는 벤더 중립 프로토콜 OPC UA를 거쳐 모델에 도달합니다 — 다만 그 장이 짚듯, 포유류-세포 바이오리액터를 위한 OPC UA 동반 규격(Companion Specification)은 아직 존재하지 않으므로, 온톨로지가 그것을 고정하기 전까지 BR101.Glucose.PV의 의미론은 여전히 공장마다 다릅니다. 부서지기 쉬운 스프레드시트 열이 아니라 온톨로지 IRI(Internationalized Resource Identifier — 전역적인 웹-식 이름)로 끌어온 특징은 히스토리안 개명, 벤더 교체, 사이트 이전을 견디지만, 문자열 일치로 끌어온 특징은 누군가 태그를 개명하는 날 모델에 조용히 다른 양을 먹입니다. 시맨틱 상호운용성(semantic-interoperability) 규율 — 모든 원천 태그를 한 번 정전적이고 온톨로지에 접지된 노드로 매핑하는 것 — 이 바로 이 모델에 라벨을 공급하는 히스토리안, MES, LIMS 전반에서 같은 glucose 특징이 같은 것을 뜻하게 하는 것입니다.

훈련-데이터 완전성 게이트로서의 SHACL. 배치를 출하 시 게이트하는 바로 그 폐쇄세계(closed-world) 형태가 모델의 입력을 게이트할 수 있습니다. 출하 게이트(release gate)는 필수 결과가 빠지거나 범위를 벗어난 것을 가진 배치 레코드를 거부하는 SHACL sh:NodeShape(Shapes Constraint Language — 그래프 데이터가 요구된 구조를 가졌는지 검증하는 W3C 표준)입니다. 같은 종류의 형태를 훈련 행에 겨누면 그것은 OWL이 답할 수 없는 질문 — 필수 필드가 빠졌는가? — 을 모든 스펙트럼에 대해 답합니다. 모든 보정점은 묶인 벤치 참조, 그 단위(섭씨와 켈빈이 철자가 아니라 추론기가 관계 짓는 개념이 되도록 QUDT 같은 단위 온톨로지에 접지됨), 그 범위 내 공정 상태, 그 데이터셋 해시를 반드시 지녀야 하며, 그렇지 않으면 적합에 도달하기 전에 거부됩니다. SHACL로 검증된 훈련 집합은 R2=0.9944가 조용한 구멍이 있는 표가 아니라 완전하고 범위 내인 데이터에서 획득되었다는 상류의 보증입니다 — 오픈소스 분석 장(open-source analytics chapter)이 정신적으로 sh:NodeShape로 그리는 모델-거버넌스 카드를, 이제 모델이 학습한 데이터에 적용한 것입니다.

정직한 검증의 묶음 키로서의 계보 가장자리. PLS 절이 머물렀던 누설 함정에는 시맨틱한 해결책이 있습니다. prov:wasDerivedFrom / bp:derivedFrom 가장자리 — 계보 장(genealogy chapter)이 디지털 스레드를 세우는 W3C 출처 어휘 PROV-O — 는 각 스펙트럼이 어느 배치에서 왔는지를 걸어 다닐 수 있는 그래프 가장자리로 기록합니다. 그 가장자리가 바로 보류-하나-배치(leave-one-batch-out) 교차검증의 묶음 키입니다. 추측한 열이 아니라 계보 IRI로 묶는 것이 시험 배치의 어떤 행도 훈련에 누설되지 않음을 보장하는 것입니다. transfer.py와 drift.py가 다중-배치 체제에 도달하면, 정직한 분할은 문자열 휴리스틱이 아니라 출처 그래프의 SPARQL 순회입니다 — 온톨로지가 배치별로 묶은 숫자를 심사자 앞에 내놓을 수 있는 것으로 만드는 것입니다.

BFO는 측정을 운전으로부터 구별해 둡니다. 끝으로, 분류와 분류체계 장(classes-and-taxonomy chapter)이 BFO(Basic Formal Ontology, 기초 형식 온톨로지)에서 그리는 상위-온톨로지 구분이 카드의 필드들이 결코 서로 무너져 합쳐지지 않게 합니다. 배치-시간 168의 소프트 센서 예측은 연속체(continuant)(지속하며 성질을 지니는 실체 — 역가 추정값은 값으로서 존재함)인 반면, 그것을 만든 14일 유가식 운전은 발생체(occurrent)(일어났다가 끝나는 과정)입니다. 둘을 뒤섞는 것 — 측정값을 마치 그것이 운전인 양 취급하는 것 — 이 그래프로 하여금 "DP-004는 무엇에서 유래했나?"에 확신에 찬 헛소리로 답하게 만드는 모델링 오류입니다. 그것들을 타이핑된 채로 두는 것이 GraphRAG LLM이 환각하는 대신 그래프에 접지될 수 있게 하는 것이며, 온톨로지와 AI 장(ontologies-and-AI chapter)이 온전히 세우는 교훈입니다. 소프트 센서의 숫자는 그것이 가리키는 것들의 의미론만큼만 신뢰할 수 있습니다.

거버넌스된 분석 절차로서의 소프트 센서

소프트 센서의 출력이 공정 중(in-process) 제어 결정을 입력할 수 있기에, 그것은 대시보드 위젯이 아니라 규제되는 분석 절차이며, 데이터 무결성 장치 일체를 물려받습니다. 모든 예측은 ALCOA+(Attributable 귀속 가능, Legible 판독 가능, Contemporaneous 동시대적, Original 원본, Accurate 정확 — 더하기 Complete 완전, Consistent 일관, Enduring 영속, Available 가용)여야 합니다. 그것을 만든 모델 버전과 프로브에 귀속 가능하고, 스펙트럼이 읽히는 대로 시각이 찍히므로 동시대적이며, 위의 SHACL 게이트가 필드가 빠진 레코드를 거부하므로 완전합니다. 모델 자체는 21 CFR Part 11(그리고 그 EU 대응물 Annex 11, 네트워크화된 다중-시스템 무결성을 다루기 위해 2025년 초안에서 현대화됨) 아래의 전자 기록이므로, 잠긴 버전 관리된 보정은 누가 언제 그것을 배포했는지의 감사 추적을 안고 갑니다.

검증의 렌즈도 그와 함께 이동했습니다. 옛 CSV(Computerized System Validation, 전산화 시스템 검증) 사고방식은 소프트-센서 애플리케이션의 모든 화면을 스크립트로 짰을 것입니다. FDA의 CSA(Computer Software Assurance, 컴퓨터 소프트웨어 보증) 후계는 대신 비판적 사고에 기반한, 위험 기반 보증을 요구합니다 — 모델이 CQA에 닿는 곳(공급을 구동할 수 있는 글루코스 추정값)에는 무거운 시험을, 읽기 전용 표시에는 가벼운 시험을. 펌프에 곧장 연결된 소프트 센서는 고위험이며 공정 검증과 변경 관리의 온 무게를 법니다. 운전자에게 조언하는 같은 모델은 훨씬 적게 법니다. 그 위험 경사가 MLOps 장(MLOps chapter)이 그리는 바로 그 선이며, EU/PIC/S 초안 Annex 22가 자기 학습(self-learning) 시스템을 잠긴-모델 기대에 대해 따로 지목하는 이유입니다. 생산에서 조용히 자신을 재훈련한 모델은 이 장치 전체가 의존하는 동시대적이고 버전 관리된 기록을 깨뜨릴 것이기 때문입니다.

미해결 과제: VCD 약점과 쇠퇴하는 모델

두 가지 정직한 어려움이 이 장 아래에 자리하며, 둘 다 소프트 센서의 성공이 아니라 한계에 관한 것입니다.

첫째는 위에서 논한, 상존하는 공학적 사실로 다시 진술할 가치가 있는 VCD 약점 그 자체입니다. 단연 가장 운영상 유용한 상류 양 — 탱크에 살아 있는 세포가 몇 개인가 — 은 어떤 인라인 프로브도 깨끗하게 읽지 못하는 것입니다. 라만은 세포 개수가 아니라 탁도와 대사물질 상관을 읽기에 운전마다 표류하는 교란된 대리물을 줍니다. 정전용량은 진정하지만 생존율에 민감한 바이오부피 신호를 주는데, 죽은 분획이 오르고 막이 무결성을 잃으면서 흐려집니다 — 그리고 결정적으로, 두 프로브는 서로 다른 방향으로 실패합니다. 라만의 대리물이 버티는 동안 정전용량이 사라지거나 그 반대일 수 있으므로, 그들을 융합해도 깨끗한 개수가 아니라 더 잘 헤지된(hedged) 추정값만 나옵니다. 이미지 기반 및 기타 접근은 연구로 남아 있습니다. VCD가 연속적으로 필요한 공장은 오늘날 불완전한 정전용량 측정값, 라만 상관, 하루 두 번의 측정을 기워 맞추며, 실시간 VCD 궤적이 대시보드에서 가장 신뢰할 수 없는 선임을 받아들이고 있습니다. 이것은 노력의 실패가 아닙니다 — 그것은 진정한, 15년의, 여전히 열린 문제이며, "라만 VCD 소프트 센싱"이라는 어떤 제품 주장이든 어떤 분할 아래에서, 그리고 그것이 새로운 배치로 어떻게 전이되는가?라는 질문과 함께 읽힐 자격이 있습니다.

둘째는 모델 쇠퇴(model decay)로, 모든 소프트 센서가 물려받는 콜드스타트 주기(cold-start cadence)의 결과입니다. 라만 보정은 그 프로브, 그 세포주, 그 배지에 묶여 있습니다. 그중 어느 것이든 움직이는 순간 — 기준선이 약간 다른 새 배지 로트, 스펙트럼을 배율하는 오염된 유동 셀, 정비 시 교체된 프로브, 생산성을 이동시키는 클론 변경 — 보정은 표류하기 시작하고, 벤치 참조가 하루 두 번만 도착하기에 표류가 늦게 탐지됩니다. 아침 식사 때 역가를 과대 측정하기 시작한 소프트 센서는 저녁 샘플이 돌아오기 전까지 입증 가능하게 틀리지 않으며, 그 두 점 사이에서 그것은 건강한 것과 똑같아 보입니다 — 같은 매끈한 궤적, 같은 그럴듯한 숫자, 같은 녹색 띠. 소프트 센서를 가치 있게 만드는 바로 그 물리 — 그것이 성긴 진실을 보간한다는 것 — 가 정확히 그 실패를 표면화에 느리게 만드는 것인데, 그것을 반박할 수 있는 유일한 지상 진실(ground truth)은 그것이 대체하려고 만들어진 성긴 진실뿐이기 때문입니다. 이것이 상용 소프트 센서가 발사-후-망각(fire-and-forget) 회귀가 아니라, 재보정 트리거, 예측-대-참조 격차를 지켜보는 잔차 모니터, 그리고 잠긴-모델 변경 관리 계획을 갖춘 거버넌스된 대상인 이유입니다. MLOps 장(MLOps chapter)이 그 생애주기를 온전히 펼쳐 놓습니다. 정직한 상용 소프트 센서는 자신의 불확실성을 보고하고, 마지막 참조에서 멀어질수록 그 띠를 넓히며, 규제가 요구하는 지점에서 모든 중대한 결정을 인간에게 되돌려 주는 것입니다 — 자신이 얼마나 낡았는지 아는 센서.

이 장이 모델 모음에 더하는 것

이 장은 Book 5 예제 모음에 세 개의 모듈을 기여합니다 — 단일 장 중 가장 많은데, 핵심에 걸맞습니다:

• examples/platform/ml/soft_sensor_pls.py — 인라인 라만에서 나온 PLS 역가 소프트 센서: 이제 SNV + Savitzky-Golay 전처리가 실제로 적용되고(원시 강도에 평범한 스케일러가 아니라 dataio.snv_savgol을 통해), n_components가 하드코딩이 아니라 내부-CV 1-SE 규칙으로 선택되며(5로 안착), 모델이 의존하는 아마이드 III 띠를 명명하는 VIP 계산, 손상 스펙트럼을 표시하는 예측별 적용 영역 게이트(잠재 점수 위 Hotelling T2와 SPE)를 갖추고, 이 모두가 raman_spectra.parquet의 701개 파수 위에서(702개 보고 계수, 다섯 개의 자유 방향) 이루어지며, 데이터셋이 진정으로 역가를 예측한다는 CI 단언(R² > 0.85; 실행은 R2=0.9944, RMSE=0.127 g/L에 도달). 그것은 더 화려한 모든 모델이 이겨야 하는 화학계량 베이스라인이며 — 그 형제 soft_sensor_deep.py는 5,713-매개변수 CNN이 그것을 이기지 못함을 확인합니다 — 그리고 (그 형제 soft_sensor_split_demo.py를 통해) 이 장이 공유된 dataio 분할(shared dataio split)을 써서 단일한 황금 배치에서 행 단위-대-시간적 누설 대비를 시연하는 곳입니다 — 누설된 R2=0.9927 대 정직한 R2=-0.6325. 진정한 배치별 묶음 일반화는 transfer.py/drift.py의 다중-배치 데이터를 필요로 합니다.
• examples/platform/ml/hybrid_model.py — 회색상자 역가 트윈: fedbatch_state.parquet의 공정 상태 위 MLP 잔차로 보정된 기계론적 IVCD × qP 골격(qP=0.04049, R2=0.9865)으로, 801-매개변수 순수-NN 베이스라인과 벤치마크되며, 하이브리드가 RMSE를 기계론적 골격 아래로 낮춘다는 CI 단언과 함께(하이브리드는 R2=0.9998, RMSE=0.0228 g/L에 도달). 그것은 디지털 트윈 절의 실행 가능한 핵심이며 종균 배양 준비도 모델(seed-train readiness model)과 하류 크로마토그래피 모델(chromatography models)이 둘 다 재사용하는 패턴입니다.
• examples/platform/ml/mpc_loop.py — 글루코스 공급의 조언형 후퇴-지평선 MPC: 각 제어 스텝에서 잡음 섞인 소프트 센서 글루코스 추정값을 읽고, 후보 공급 격자 아래에서 기계론적 디지털 트윈을 짧은 지평선만큼 앞으로 굴린 뒤, 4.0 g/L 설정값을 가장 잘 유지하는 일시투여를 제안하며, 조언형 루프가 배양물을 망가뜨리지 않으면서 개루프보다 글루코스를 더 잘 추적한다는 CI 단언과 함께(폐루프 추적 RMSE 1.09 대 개루프 3.37 g/L). 그것은 폐루프 제어 절의 실행 가능한 핵심이며, 이 장의 틀을 정직하게 유지합니다. 컨트롤러는 제안하고, 사람이나 자격검증된 자동화가 권한을 보유합니다.

함께 이들은 생산 바이오리액터를 모델 모음이 실제로 돌릴 수 있는 노드로 만들고, 이 장의 핵심 진실들을 실행 가능한 형태로 부호화합니다. 소프트 센서는 실재하고(PLS 단언이 유지됨), 하이브리드는 순수 물리와 순수 ML을 모두 이기며(잔차 단언이 유지됨), 조언형 컨트롤러는 공급을 제안만 하면서도 개루프보다 글루코스를 훨씬 가깝게 추적한다(MPC 단언이 유지됨)는 것.

왜 중요한가

생산 바이오리액터는 바이오 제조에서 기계학습이 가장 실재하고 가장 시험받는 곳입니다. 분광 소프트 센서는 하루 한두 번의 대사물질 측정을 연속 궤적으로 바꿔, 운전자가 벤치 샘플 사이를 짐작하는 대신 글루코스와 락트산과 역가가 실시간으로 오르는 것을 봅니다 — 그리고 그것이 오늘날 상류에서 진정으로 (상용)인 유일한 ML 능력입니다. 폐루프 글루코스 제어는 그 궤적을 행동으로 바꿔, 락트산을 억제하고 품질을 안정시키기 위해 공급을 좁게 유지합니다 — 실재하고, 시연되었으며, 여전히 대부분 (파일럿)입니다. 하이브리드 디지털 트윈은 운전 전체를 예보하여, 공정이 시행 배치가 아니라 모델 위에서 설계되고 조종될 수 있게 합니다 — 강력하고, 여전히 대부분 개발과 파일럿 도구입니다. 그리고 VCD 약점은 소프트 센서가 그 아래 물리적 연결만큼만 좋다는 상존하는 상기입니다. 그 연결이 분자 띠인 곳에서 ML은 신뢰할 수 있고, 표류하는 대리물인 곳에서 ML은 확신에 찬 추측입니다. 소프트 센서를 제대로 잡으면 제조에서 가장 데이터가 풍부한 단계가 가장 관측 가능한 단계가 되고, 그것을 과신하면 — 특히 VCD에서 — 당신은 천천히 거짓말하는 대시보드를 만든 것입니다. 상류 전체가 이 탱크를 향해 쌓여 왔습니다. 이곳이 그 데이터가 마침내 지식이 되는 곳이며, ML의 한계에 대한 정직성이 가장 중요한 곳입니다.

실제 현장에서는

SNV/미분 전처리와 PLS 화학계량학을 동반한 인라인 라만이 CHO 배양에서 글루코스, 락트산, 역가를 소프트 센싱하는 것은 (상용) 관행입니다 — 상류 바이오 제조 어디에서든 가장 강력하고 가장 성숙한 ML 배포로, 문헌에서 10년 넘게 확립되어 있습니다 [1][2]. 플랫폼은 실재하고 명명되어 있습니다. 화학계량학에는 Sartorius의 SIMCA와 SIMCA-online, 인라인 분광에는 BioPAT Spectro. 가장 강력한 제1자(first-party) 배포 닻은 Amgen의 푸에르토리코 Juncos 시설로, 거기서 SIMCA OPLS 모델이 상업적 GMP 원액 제조 안에서 수확 역가와 기타 공정 중(in-process) 속성을 예측합니다 — 상류-하류 경계에 배포된 (상용) MVDA(multivariate data analysis, 다변량 데이터 분석 — 이 장이 만든 PLS/OPLS 계열) 모델로, Amgen 엔지니어들이 Sartorius 벤더 사례 연구와 함께 제1자로 보고했으며(벤더 자체보고 / 자체 저자 증거 등급), 독립적으로 감사되지는 않았습니다 [3]. 거기 모델 부류는 OPLS(직교 PLS)로, 표적-예측 변동을 직교한 "그 밖의 모든 것"으로부터 분리하는 PLS 변종이며, 심사자에게 회귀 벡터를 더욱 해석하기 쉽게 만듭니다 — 이 장이 만든 베이스라인과 같은 화학계량 계보이되, GMP를 위해 단단해진 것입니다. SIMCA와 SIMCA-online은 닫힌 상용 도구이며, 이 장 자신의 모듈들은 의도적으로 그 핵심을 오픈소스로 재현합니다. 여기서 출하되는 PLSRegression, T2/SPE 적용 영역, VIP는 그 상용 모음이 감싸는 바로 그 화학계량학으로, 고정 시드와 run_all.py와 함께 scikit-learn 위에 세워져 여섯 자릿수 라이선스 없이 전체 파이프라인이 재현 가능합니다 — 상용 통계 모음 없이 CPV급 소프트 센싱을 하는, 분석 장(analytics chapter)이 택하는 오픈소스 경로입니다. 상용 모음이 더하는 것은 더 나은 수학이 아니라 검증된 패키징, 지원, 그리고 GMP-자격검증된 감사 추적입니다.

라만 플러스 심층학습을 통한 폐루프 글루코스 제어는 Amgen에서 시연되었고, (파일럿)에 자리합니다. 실재하고 시연된 능력이며 동료심사를 거쳤지만, 잠긴 검증된 루프 아래에서 상업적 배치를 공급하는 일상적 방식은 아닙니다 [4]. 하이브리드 기계론-플러스-ML 트윈도 (파일럿)입니다 — 검소한 동적 플럭스-균형(flux-balance) 골격(PC-dFBA — 탄소와 영양소가 시간에 걸쳐 세포의 대사를 통해 어떻게 흐르는지에 대한 간결한 제일원리 모델)을 신경망 VCD/상태 추정과 짝지은 Sartorius의 공정-트윈 작업이 정전적 예이며, 이 장의 hybrid_model.py가 구현하는 것과 같은 물리-가-추세를-나르고, ML-이-잔차를-보정하는 패턴으로, 개발 규모에서 설계와 예측에 유용하되 상업적 자동조종은 아닙니다 [5]. 이 분야가 명명할 만큼 자주 틀리는 두 가지 정정: Boehringer Ingelheim의 단백질 A 포획 크로마토그래피(바이오리액터가 아니라 하류)에서의 16-속성 인라인 라만 작업은 심층학습이 아니라 k-최근접이웃(k-nearest-neighbours) 모델을 썼으며, 그것이 무엇인지 그대로 KNN 다중-속성 시연으로 인용되어야 합니다 [6]; 그리고 널리 인용되는 National Resilience의 "+50% 역가" 관류(perfusion) 결과(관류는 유가식의 연속-배양 대안으로, 신선한 배지를 끊임없이 교환하며 소모된 것을 제거함)는 벤더 보도자료에서 나온 PAT-플러스-수동-공급-최적화 이야기이지 ML 배포가 아니며, 결코 역가를 끌어올리는 기계학습으로 제시되어서는 안 됩니다 [7]. 그리고 그 모든 것 뒤의 상존하는 경고: VCD 소프트 센싱은 약점으로 남아 있습니다 — 어떤 인라인 프로브도 라만이 역가를 읽는 만큼 깨끗하게 생존 세포 밀도를 읽지 못하며, 그것이 VCD가 표적일 때 라만이 아니라 유전 정전용량이 선택 프로브인 이유이고, 실시간 세포 밀도 궤적이 여전히 상류 대시보드에서 가장 신뢰할 수 없는 선인 이유입니다. FDA의 2023년 논의 문서와 ISPE Pharma 4.0 설문(ISPE Pharma 4.0 survey)이 거듭 찾아내는 일관된 줄기가 여기서 정확히 유지됩니다. 공장의 이 부분에서 AI/ML은 인간-개입 감시와 소프트 센싱으로서 가장 강하고, CQA의 자율 폐루프 제어로서는 더 얇습니다 [8].

핵심 용어

• 소프트 센서(가상 / 추론 센서) — 측정하기 쉬운 온라인 신호(스펙트럼, 온라인 상태)로부터 측정하기 어려운 양(역가, 대사물질, VCD)을 오프라인 샘플 없이 연속적으로 추정하는 모델.
• 라만 분광법(Raman spectroscopy) — 빛의 희미한 비탄성 산란 분획이 분자-진동 띠를 나르는 레이저-산란 분광법; 물이 그것을 약하게 산란하기에 바이오공정의 역마 인라인 프로브. 우리 데이터셋은 701개 채널 wn_400 … wn_1800을 담습니다.
• NIR 분광법(NIR spectroscopy) — 근적외 흡수 분광법; 라만보다 값싸고 빠르지만 물에 강하게 흡수되어 세포가 빽빽한 배양액에서 제한됨.
• 유전 / 정전용량 분광법(Dielectric / capacitance spectroscopy) — 온전한 세포막의 무선주파수 유전율 감지; 대략 생존 바이오부피에 비례하여, 라만이 결여한 VCD로 향하는 유일한 직접적 물리적 통로를 줌.
• 2D 형광(EEM)(2D fluorescence (EEM)) — 방향족 잔기와 보조인자(트립토판, NAD(P)H)의 고유 형광을 여기 × 방출 격자에 걸쳐 측정하는 여기-방출-행렬 분광법; 바이오매스와 일부 대사물질을 위한 소프트 센서 입력으로 라만과 상보적이며, 그 자체가 라만 전처리가 제거하는 형광 기준선의 원천.
• PLS(부분최소제곱) 회귀(PLS (Partial Least Squares) regression) — 화학계량 역마: 많은 공선적 파수를, X와 y에 대한 공유 점수 행렬을 통해 표적과의 공분산을 최대화하도록 선택된 몇 개의 잠재변수로 압축한 뒤 그 위에 회귀함; 소량-데이터 라만 체제에서 OLS와 (보통) 심층망을 이김.
• OPLS(직교 PLS)(OPLS (orthogonal PLS)) — 표적-예측 변동을 직교 변동으로부터 가르는 PLS 변종으로 해석을 쉽게 함; Amgen의 Juncos 수확-역가 모델 뒤의 부류.
• 잠재변수(latent variable) — 파수의 선형 결합; PLS가 원시 701채널 대신 유지하는 몇 개의 성분(여기서는 다섯 개).
• SNV(표준정규변량)(SNV (Standard Normal Variate)) — 곱셈적 산란을 제거하는 스펙트럼별 중심화와 배율(x' = (x − x̄)/s); 그 행 자신의 통계로부터 행별로 계산되므로 누설이 없음.
• Savitzky-Golay 미분(Savitzky-Golay derivative) — 평활화된 값 또는 미분을 돌려주는 슬라이딩-윈도 최소제곱 다항식 적합; 1차/2차 미분은 스펙트럼 기준선을 제거하고 피크를 날카롭게 함.
• 적용 영역(applicability domain, AD) — Hotelling T2(스펙트럼이 PLS 잠재 평면 안에서 얼마나 극단적인지)와 SPE(그 평면 밖에 얼마나 놓이는지)로 만든 예측별 영역 안/밖 게이트; 모델이 신뢰받아서는 안 되는 새 스펙트럼을 표시하며, soft_sensor_pls.py가 손상 스펙트럼에 대해 돌리는 분포-밖(OOD) 자기 점검.
• VIP(투영 변수 중요도, Variable Importance in Projection) — 적합된 PLS 모델에서 나온 파수별 중요도 점수; VIP가 1을 초과(VIP>1)하는 파수가 예측이 의존하는 띠이며, 여기서는 역가 모델의 경우 아마이드 III 영역에 몰림.
• 폐루프 제어(closed-loop control) — 소프트 센서의 추정값이 표시만이 아니라 작동기(공급 펌프)를 구동하는 측정-결정-작동 루프(여기서는 약 30분마다 글루코스); 상용 루프는 그것을 속도 한계, 추정값 온전성 점검, 일정에 따른 공급 대체로 감쌈.
• 하이브리드(회색상자) 모델(Hybrid (gray-box) model) — 작은 ML 잔차로 보정된 제일원리 골격(역가 = qP × IVCD); 물리가 추세를 나르고, ML이 곡률을 보정하며, 순수 블랙박스보다 훨씬 적은 매개변수로 성공함. 병렬 형태는 신경망의 출력을 물리에 더하고, 직렬 형태는 신경망이 물리 매개변수를 공급함.
• 디지털 트윈(digital twin) — 운전의 궤적을 예보하는 모델로, 공정을 설계, 예측, 조종하는 데 쓰임; 여기서는 공급을 위한 ML-대리 MPC도 구동할 수 있는 하이브리드 순방향 모델.
• IVCD — 운전에 걸친 생존 세포 밀도의 적분; 총 생산적 세포-시간, 역가를 위한 기계론적 골격의 입력.
• VCD 약점(VCD weak spot) — 생존 세포 밀도 소프트 센싱의 끈질긴, 미해결의 어려움: 분자가 아니라 개수이므로 깨끗한 라만 띠가 없고 표류하는 대리물에 얹혀 있음.
• 모델 쇠퇴(model decay) — 세포주, 배지, 또는 하드웨어가 움직이면서 프로브에 묶인 보정이 표류함; 벤치 참조가 하루 두 번만 도착하기에 늦게 탐지됨.
• 시맨틱 특징 접지(semantic feature grounding) — 모델 입력을 부서지기 쉬운 열 이름이 아니라 그 온톨로지 IRI와 ISA-95 / OPC UA 위치로 끌어와, 태그 개명, 벤더 교체, 사이트 이전을 견디고도 같은 양을 뜻하게 함.
• SHACL 훈련-데이터 게이트(SHACL training-data gate) — 배치를 출하 시 게이트하는 바로 그 폐쇄세계 sh:NodeShape를 훈련 행에 겨눠, 벤치 참조, 단위, 범위 내 상태, 또는 데이터셋 해시가 빠진 어떤 스펙트럼도 적합에 도달하기 전에 거부함.
• bp:derivedFrom / PROV-O 계보(bp:derivedFrom / PROV-O lineage) — 각 스펙트럼이 어느 배치에서 왔는지를 기록하는 W3C 출처 가장자리; 보류-하나-배치 교차검증을 정직하게 만드는 묶음 키로, 열에서 추측되는 대신 SPARQL 순회로 걸어 다녀짐.
• BFO 연속체 대 발생체(BFO continuant vs occurrent) — 소프트 센서 예측(연속체, 지속하는 값)을 그것을 만든 유가식 운전(발생체, 끝난 과정)으로부터 타이핑하여 떼어 두는 상위-온톨로지 구분(Basic Formal Ontology)으로, 그래프 — 그리고 그것에 접지된 GraphRAG LLM — 가 측정값을 운전과 혼동할 수 없게 함.
• ALCOA+ / CSA — 모든 예측이 반드시 안고 가야 하는 데이터 무결성 속성(Attributable, Legible, Contemporaneous, Original, Accurate, 더하기 Complete, Consistent, Enduring, Available), 그리고 검증 노력을 모델이 CQA에 닿는 곳에 맞춰 조정하는 CSV의 위험 기반 후계 Computer Software Assurance; 소프트 센서는 21 CFR Part 11 / EU Annex 11 아래의 전자 기록임.

다음 이야기

제품이 만들어지고 연속적으로 감시됩니다. 탱크는 죽기 시작하는 배양물 속에 떠 있는 항체로 가득 차 있습니다. 다음 장 수확과 청징: 종점 예측하기(Harvest and Clarification: Predicting the Endpoint)는 우리가 방금 만든 소프트 센서들 — 역가, VCD, 생존율 — 을 가져다가, 바이오리액터 모델들이 거의 건드리지 않은 한 결정에 그것들을 돌립니다. 이 배치는 언제 끝나는가? 그것은 수확 종점을 제약된 최적화로, 당신이 막 청징하려는 공급물의 탁도를, 그리고 그것을 청징하기 위해 필요할 필터를 학습합니다 — 상류의 모든 것이 하류의 결과가 되는 경첩입니다.