Evolutie van metabole netwerken van micro-organismen via Quality-Diversity optimalisatie algoritmen om strain design strategieën te voorspellen die de groei van micro-organismen en de productie van metabolieten maximaliseren.

Hoe kan je binnenkijken in het digitale brein van een AI? Dit werk focust zich op Explainable Artificial Intelligence (XAI) en een techniek om het gedrag van een Deep Reinforcement Learning (DRL) agent over te brengen naar een meer interpreteerbaar model. We verbeteren een recente techniek, dat van neurale bomen in combinatie met knowledge distillation, met een adaptieve vorm die ons kleinere en beter verstaanbare modellen oplevert.

Dit werk focust op de verbetering van evolutionaire computeralgoritmen die gebruikt worden voor de optimalisatie van (bio-)chemische processen. De hoofdbijdrage van dit werk is enerzijds de introductie van gebruikersvoorkeuren in de optimalisatieprocedure en anderzijds de ontwikkeling van een nieuw, probleem-relevant stopcriterium voor het algoritme. Dit geeft aanleiding tot een vereenvoudigd keuzeproces en een kortere rekentijd.