摘要
对微生物系统进行计算机模拟研究对于预测和控制外部因素对细菌群落的影响至关重要。群体感应是细菌间通信的关键机制之一，特别是在致病菌中，它通过扩散性信号分子实现，是一个依赖于细胞密度的调控过程。本研究提出了一个基于物理信息的神经网络（PINN）的计算框架，用于模拟细菌群体感应和种群动态的时空独立模型。该算法解决了由一组非线性常微分方程表述的时空独立模型的正问题和逆问题。正问题通过数值方法求解，重建了三个关键特征的动力学：信号分子浓度、降解酶浓度和细菌生物量密度。所得到的PINN解与使用Radau IIA隐式龙格-库塔方法计算的数值解进行了比较。逆问题的能力通过恢复在实验环境中难以直接测量的系统参数得到了验证。该框架使用DeepXDE库和PyTorch后端实现，采用了对初始条件的严格约束、避免奇点的损失重构以及多阶段Adam-L-BFGS优化策略。在Monod化学计量器基准测试和Pseudomonas putida IsoF群体感应调控网络上进行了验证。所提出的基于PINN的框架扩展了用于微生物系统计算机模拟的数学工具包，能够准确重建出现的种群动态，并可靠地推断出无法直接通过实验测量的调控参数。
