量子科技中心_量科网

连续生物制造工艺的开发需要稳健且早期的异常检测，因为即使是微小的偏差也可能影响产量和稳定性，导致生产计划中断、周产量下降以及经济效益降低。这些工艺本身具有高度复杂性，其过程变量间存在非线性动态和错综复杂的关联关系，因此先进的异常检测方法对高效运行至关重要。该研究团队提出了一种基于生成对抗网络（GAN）集成的新型无监督异常检测框架，用于连续生物制造过程。研究人员首先建立了一个基准数据集，模拟小分子连续生产过程中的正常运行与异常工况，随后验证了该GAN框架在检测由原料突变引起的异常方面的有效性。最终，该工作评估了采用混合量子/经典GAN方法（结合模拟量子电路与真实光子量子处理器）对异常检测性能的影响，发现混合方法能提高异常检出率。这项研究展现了混合量子/经典方法在解决复杂连续生物制造实际工程问题中的应用潜力。