2021. 09. 30. - 09:40
Mesterséges intelligencia segíthet kevés műtrágyával növényt nevelni
Gépi tanulás segíthet kevesebb műtrágya felhasználásával növényeket termeszteni – meghatározhatja ugyanis azokat a fontos géneket, melyek ezt elősegítik.
Komoly előrelépést jelentene a gazdaságban tevékenykedők számára, ha kevesebb műtrágya felhasználásával termeszthetnék növényeiket. Kutatók most közzétettek egy tanulmányt a Nature Communications szaklapban, melyben az áll: a gépi tanulás meghatározhatja azokat a fontos géneket, melyek elősegítik a növények növekedését kevesebb műtrágyával.
A New York-i Egyetem (NYU) kutatói amerikai és tajvani munkatársak bevonásával mutatták be, hogy a gének, melyeknek nitrogénre adott reakcióját evolúciósan megőrzi két különböző növényfaj - az Arabidopsis nevű, kis virágos növény, melyet széles körben használnak modellszervezetként a növénybiológiában, illetve a kukorica - jelentősen javította a gépi tanulási modellek képességét, hogy megjósolják a gének fontosságát a nitrogén hatékony felhasználása szempontjából. Olvasd el: Adat-alapú trágyázást biztosít az új technológia
Gépi tanulás segíthet kevesebb műtrágya felhasználásával növényeket termeszteni
A szakemberek célja fokozott növény-növekedést elérni alacsonyabb nitrogéntartalmú talajban. Kísérleteik során nyolc mester transzkripciós faktort értékeltek a nitrogénfelhasználás hatékonyságának szempontjából fontos géneknél.
Kimutatták, hogy az Arabidopsis vagy a kukorica megváltozott génexpressziója növelheti a növények növekedését alacsony nitrogéntartalmú talajokban – mindezt a New York-i és az Illinois-i Egyetem kukoricatábláin is tesztelték. Olvasd el: Mesterséges intelligencia segít a káros fonálféreg-irtásban
„Most, hogy pontosabban meg tudjuk jósolni, mely kukorica hibridek használják jobban a nitrogén műtrágyát a szántóföldön, gyorsan javíthatunk ezen a tulajdonságon. A nitrogénfelhasználás hatékonyságának növelése a kukoricánál és más növények esetében három kulcsfontosságú előnnyel jár. Csökkenti a gazdálkodók költségeit és a környezetszennyezést, de mérsékli a mezőgazdaságból származó üvegházhatású gázok kibocsátását is” - sorolta Stephen Moose, az Urbana-Champaign-ban levő Illinois-i Egyetem növénytermesztési professzora.
S ha mindez még nem lenne elég, a kutatók bebizonyították, hogy ez az evolúciósan informált gépi tanulási módszer más tulajdonságokra és fajokra is alkalmazható - további jellemzőket jósolnak meg a növényekkel kapcsolatban, beleértve a biomasszát és a hozamot, az Arabidopsis és a kukorica esetében egyaránt.
Azt is kimutatták, hogy megközelítésük megjósolhatja a rizs aszályállósága szempontjából fontos géneket.
L.A.
