Data-driven surrogate modeling of chromatography using deep learning

Abstract

Separation of biocompounds by batch chromatography has gained special interest in the biopharmaceutical industry due to its high selectivity and resolution. The design and optimization of this process requires the solution of coupled Partial Differential Equations (PDEs) that often require high computational resources. This project explores the integration of data-driven Machine Learning (ML) aiming to reduce the computational effort and simulation runtimes. A Long Short-Term Memory (LSTM) neural network was trained in PyTorch to predict the elution profiles of binary mixtures under batch chromatography. Training data was generated by simulating the Lumped Kinetic Model (LKM) using the Finite Volumes Method (FVM) to reduce the PDE system to a set of Ordinary Differential Ecuations (ODEs). The JAX library was used to create high fidelity simulations with Just-In-Time (JIT) compilation. The trained LSTM was capable of predicting elution profiles at a significantly lower computational cost and presented a decrease of 99.79% ± 0.050% in the execution time compared to the execution in GPU hardware of the mechanistic models. The inference was analyzed by the Roofline and the GPU Speed-Of-Light (SOL) analyses to assess hardware utilization using NVIDIA Nsight Compute~(2025.3.1), indicating that the LSTM low arithmetic intensity limits the performance during inference. The model developed constitutes in the creation of digital twins for batch chromatography that can respond in real time potentially helping in process optimization and control.

Bioyhdisteiden erottaminen panoskromatografialla on herättänyt erityistä kiinnostusta biolääketeollisuudessa sen korkean selektiivisyyden ja resoluution ansiosta. Tämän prosessin suunnittelu ja optimointi edellyttävät kytkettyjen osittaisdifferentiaaliyhtälöiden (PDE) ratkaisemista, jotka usein vaativat paljon laskentaresursseja. Tässä projektissa tutkitaan datapohjaisen koneoppimisen (ML) integrointia laskennallisen työn ja simulaatioiden suoritusaikojen vähentämiseksi. LSTM-neuroverkko koulutettiin PyTorch-ohjelmistolla ennustamaan binääristen seosten eluutioprofiileja panoskromatografiassa. Koulutusdata luotiin simuloimalla LKM-mallia käyttämällä äärellisten tilavuuksien menetelmää (FVM), jolla PDE-järjestelmä pelkistettiin joukoksi tavallisia differentiaaliyhtälöitä (ODE). JAX-kirjastoa käytettiin luomaan korkean tarkkuuden simulaatioita Just-In-Time (JIT) -käännöksellä. Koulutettu LSTM pystyi ennustamaan eluutioprofiileja huomattavasti pienemmillä laskentakustannuksilla ja lyhensi suoritusaikaa 99.79% ± 0.050% verrattuna mekanististen mallien suorittamiseen GPU-laitteistossa. Päättelyä analysoitiin Roofline- ja GPU Speed-Of-Light (SOL) -analyyseillä laitteiston käyttöasteen arvioimiseksi NVIDIA Nsight Compute (2025.3.1) -ohjelmistolla. Analysointi osoitti, että LSTM:n alhainen aritmeettinen intensiteetti rajoittaa suorituskykyä päättelyn aikana. Kehitetty malli muodostaa digitaalisten kaksosten luomisen eräkromatografiaa varten, jotka voivat reagoida reaaliajassa, mikä voi auttaa prosessin optimoinnissa ja hallinnassa.