2023年9月4日 NEDO (国立研究开发法人新能源.产业技术综合开发机构)
在NEDO的“加速实现碳再利用的生物来源产品生产技术的开发”(以下，为本事业)中，(株)知乎研究所通过微生物生产功能性食品原料，代替了以往的熟练者的五感和根据经验的“匠技”，开发了基于学习了数据的人工智能( AI )的自动培养控制系统(以下称本系统)。 使用本系统，功能性食品原料的生产性实证试验的结果，(株)千岁研究所和协和发酵生物(株)能够高精度且实时地自动控制最佳的培养状态，评价并验证了超过熟练者约10%的生产量的达成。 今后，在本事业中，(株)千岁研究所将继续开发本系统，以到2027年度为止实现产品化为目标。
图1新技术的开发理念
在食品原材料等的发酵生产中，为了设定最佳的培养条件等稳定的生产，需要运用熟练者的智慧、技巧和五感的所谓“匠技”。 另一方面，这样的熟练者的“匠技”的继承和掌握需要非常长的时间，熟练者的老龄化和海外生产导致的技术流失等在日本的生物经济产业中成为大问题，因此开发能够代替熟练者稳定生产的技术成为当务之急。 在这样的背景下，NEDO (国立研究开发法人新能源产业技术综合开发机构)从2020年度开始在本事业※1中致力于新一代生物工艺技术的开发。 作为其中的一环，株式会社千岁研究所(以下简称千岁研究所)通过微生物进行物质生产，取代了以往技术熟练者的五感和根据经验的“匠技”，在温度和pH※2等以往数据中加入了颜色和气味等匠感作为数据的大数据( comboribon 使用本系统的功能性食品原料※5的生产性实证试验的结果，千岁研究所和协和发酵生物股份有限公司(以下简称协和发酵生物)通过实时控制培养条件，可以达到培养状态的最优化和超过熟练者的高产量，进行了评价和验证。
在本事业中，千岁研究所负责传感器设备的开发、实施和AI模型的构建，协和发酵生物负责学习数据的获取和AI自动培养试验。
在以往的微生物培养控制中，熟练者根据从设置在培养槽内的各种传感器得到的数据与目标化合物的产量和菌体量的因果关系，求出最佳的培养条件，并根据其内容进行培养控制。 在本事业中，千岁研究所为了实现更高精度的自动控制，让AI详细学习了培养槽内的控制参数和生产量的关系，独自开发了各种各样的新型传感器器件。 学习从该独特设备中得到的卷积数据，构建了预测培养状态的AI模型。 在通过该AI模型推理的培养条件下，可以代表熟练者自动控制高精度、最佳的培养状态(图2 )。
基于图2 AI的自动培养控制系统概要图
为了评价验证这次开发的基于AI的自动培养控制系统，千岁研究所和协和发酵生物进行了功能性食品原料生产率的实证试验。 实证试验结果表明，本系统通过实时控制培养条件、优化培养状态，实现了约10%以上熟练人员产量的生产效率(图3 )。 具体来说，获取培养槽内的实时数据，通过建立的AI模型推理最佳培养条件，自动进行了控制培养槽内pH和温度变化的一系列工序。 为了使本培养体系的生产率最大化，控制在菌体量不会过度增加的状态是必不可少的。 通常熟练者通过控制营养源的供给量来使菌体量达到最佳值，使目标物质的产量达到最大。 另一方面，本系统通过AI控制pH和温度两者，成功地将菌体量抑制在了最佳量。 此外，人工进行优化时，不进行使pH和温度细微变化的控制，本系统预测应用的控制不是固定值，而是随时间变化，这是其特点。 如图3所示，尽管AI控制(红线)所示的pH和温度变化在每个实验中都不同，不是一定的，但浊度( OD )※6所示的菌体量和生产量却得到了稳定的结果。 这表明，对于“即使同样投料也会产生不同的结果”的培养稳定性无法保证的情况，如果有效利用本系统，则有可能实现稳定化。 以前认为熟练者要超过最优化的培养条件还有障碍，但通过本系统得到了显示更有可能超过的数据是很大的成果。
图3基于ai的自动培养控制系统的安装评价结果
在本事业中，千岁研究所将继续开发本系统，以到2027年度为止实现产品化为目标。 另外，通过将本系统导入并应用于实施微生物培养的化学医药品、食品、燃料生产等各种行业，将为生物经济产业的进一步扩大做出贡献。 NEDO通过生物制造进一步发展，以实现本事业为目标的碳循环型社会为目标。
※1 本事業
另外，作为相关事业，还包括nedo“为了推进connected industries的协调领域数据共享·AI系统开发促进事业( CI安装)”的一部分成果。
※2 pH
表示碱性或酸性的指数。。
※3 卷积数据
这是千岁研究所的注册商标。
※4 开发本系统
※5 功能性食品原材料
是有助于健康功能的食品成分。
※6 浊度( OD )
光密度( od )。 是由培养液中存在的微生物产生的浑浊的测定值，是菌数的指标。
联系客服
