Optimisation de la fermentation submergée pour la production d'enzymes par essaim des particules basé sur la mécanique quantique
Abstract
Les réseaux de neurones de fonctions à base radiale (RBF) et l'approche d'optimisation par essaim de particules basé sur la mécanique quantique (QPSO pour Quantum Particle Swarm Optimisation) sont utilisés pour modéliser et optimiser le processus de la Fermentation Submergée (FS) pour la production d'enzymes. Les données expérimentales importées de la littérature sont utilisées pour étudier cette approche. En utilisant cette procédure, deux techniques d'intelligence artificielle (RBF-QPSO) ont été intégrées pour créer un outil puissant pour la modélisation et l'optimisation des bioprocédés. Cet article décrit l'adaptation de cet algorithme pour la première fois pour l'optimisation de la production d'enzymes par le procédé de la FS. Les résultats obtenus prouvent l'efficacité de l'approche proposée. En particulier, nous montrons que cette approche conduit à une amélioration significative sur la performance du processus de fermentation. Abstract-Radial basis function neural network (RBF) and Quantum Particle Swarm Optimization (QPSO) are used to model and optimize a Submerged Fermentation (SF) for production of the enzymes. Experimental data reported in the literature are used to investigate this approach. Using this procedure, two artificial intelligence techniques (RBF-QPSO) have been effectively integrated to create a powerful tool for bioprocess modelling and optimization. This paper describes the adaptation of this approach, for the first time, in the optimization of the production of enzymes by the SF process. The obtained results prove the effectiveness of the proposed approach. Particularly, we show that this approach leads to a significant improvement on the fermentation process performance. Mots clés-Fermentation submergée, modélisation, optimisation, réseaux de neurones, optimisation par essaim de particules basé sur la mécanique quantique.