基于伴随方法的多尺度生物过程数字孪生校准与最优控制

2026年10月8日，arXiv Statistics Machine Learning 发布论文《基于伴随方法的多尺度生物过程数字孪生校准与最优控制》（一手报道）。论文提出一个偏差感知的多尺度生物过程数字孪生校准与控制框架，在生物系统之系统（Bio-SoS）范式下用随机微分方程（SDE）模型表示数字孪生，并基于稀疏离散观测，采用准似然估计与伴随灵敏度分析进行校准。目前公开信息仅涉及该框架的方法表述，未见实验验证或后续进展报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。