基于深度强化学习的连续微流控生物芯片一步式架构综合

来源：电子与信息学报杂志2026年第4期北京时间：

作者：刘耿耿, 焦鑫悦, 潘友林, 黄兴

单位：1.福州大学计算机与大数据学院 福州 3501162.教育部大数据智能工程研究中心 福州 3501163.福建省网络计算与智能信息处理重点实验室 福州 3501164.西北工业大学计算机学院 西安 710072

摘要：连续微流控生物芯片因其微型化、高可靠性和低样品消耗等优势，广泛应用于生物医学领域。然而，随着芯片集成度提升，其设计复杂性显著增加，传统分步式设计方法将绑定、调度、布局和布线等任务分步处理，各环节间信息交互不足，导致方案质量低、设计周期长。为此，该文提出一种基于深度强化学习的连续微流控生物芯片一步式架构综合方法。首先，通过图卷积神经网络提取状态特征，有效捕捉节点及其关系的信息；其次，在近端策略优化算法中结合A*算法和列表调度算法，从而得到具体的架构设计方案；最后，设计了一种多目标奖励函数，将生化反应时间、流道总长度及阀门数量进行归一化加权组合，并通过近端策略优化算法的策略梯度更新机制实现复杂决策空间的高效探索。实验表明，在基准测试用例上，与现有方法相比，该文方法在生化反应时间上优化了2.1%，流道总长度减少21.3%，阀门数量减少65.0%，且在较大规模芯片上仍能生成可行解。

关键词：连续微流控生物芯片, 一步式架构综合, 深度强化学习, 片上实验室

基金资助：国家自然科学基金(62372109, 62572396)，福建省杰出青年科学基金(2023J06017)