۱۳ اردیبهشت ۱۴۰۳، ۰:۰۲
کد خبرنگار: 757
کد خبر: 85463399
T T
۰ نفر

برچسب‌ها

انقلاب سبز۲؛ استفاده از هوش مصنوعی برای پرورش گیاهان جاذب کربن+فیلم

تهران- ایرنا- محققان با مطالعه ویژگی‌های گیاهان با استفاده از یک نرم‌افزار یادگیری عمیق موسوم به «اسلیپ» ( SLEAP) درصدد تسریع در پرورش گیاهان جاذب کربن و قادر به مبارزه با تغییرات آب و هوایی هستند.

به گزارش گروه علم و آموزش ایرنا از تارنمای «سای تک دیلی»، «هیات (پنل) بین‌المللی تغییرات آب و هوایی» (IPCC) اعلام کرد که از بین بردن (یا حذف) کربن برای مبارزه با تغییرات آب و هوایی و مهار افزایش دمای جهانی بسیار حائز اهمیت است.

در همین زمینه، دانشمندان در موسسه مطالعات زیست‌شناسی «سالک» (در کالیفرنیا) در تلاش برای استفاده از ظرفیت طبیعی گیاهان در زمینه جذب دی‌اکسید کربن از طریق ارتقای سامانه ریشه گیاهان هستند. هدف از این بهینه‌سازی ، افزایش مقدار کربن ذخیره‌شده در گیاهان و طولانی‌تر کردن مدت زمان این ذخیره‌سازی است.

دانشمندان شاغل در بخش موسوم به «ابتکار مهار گیاهان» در موسسه سالک به منظور طراحی این گیاهان ناجی آب و هوا از یک ابزار تحقیقاتی پیچیده جدید موسوم به اسلیپ (SLEAP) استفاده می‌کنند که در واقع یک نرم‌افزار هوش مصنوعی با کاربری آسان است که ویژگی‌های مختلف رشد ریشه‌ای گیاهان را دنبال می‌کند.

نرم‌افزار اسلیپ که توسط «تالمو پری‌یرا» از محققان موسسه سالک طراحی و ایجاد شده است، در ابتدا با هدف دنبال کردن حرکات حیوانات در آزمایشگاه طراحی شده بود اما پری‌یرا اکنون با مشارکت دکتر «ولفگانگ بوش» دانشمندان گیاه‌شناس، درصدد استفاده از این نرم‌افزار روی گیاهان است.

بوش و پری‌یرا در یک مطالعه منتشر شده در نشریه «رخگان‌شناسی گیاهان» (Plant Phenomics) یک پروتکل جدید برای استفاده از اسلیپ به منظور تحلیل رخ‌مون (فنوتیپ phenotypes) گیاهان معرفی کرده‌اند. هدف این تحلیل ، بررسی این مساله است که گیاهان تا چه عمق و گستره‌ای رشد می‌کنند و سیستم ریشه‌ آنها تا چه میزان حجیم می‌شود و همچنین سایر شرایط فیزیکی که تا پیش از نرم‌افزار «اسلیپ» اندازه‌گیری آنها سخت و طاقت‌فرسا بود.

کاربرد اسلیپ در مورد گیاهان از هم اکنون محققان را قادر ساخته است که جامع‌ترین کاتالوگ فنوتیپ سامانه ریشه گیاهان تا به امروز را مشخص کنند. همچنین ردگیری این خصوصیات فیزیکی سامانه ریشه گیاهان به دانشمندان کمک می‌کند تا ژن‌های مرتبط با آن خصوصیات را پیدا کنند. به این ترتیب تیم تحقیقاتی موسسه سالت توانسته است مشخص سازد که چه ژن‌هایی بیشترین سودمندی را برای طراحی گیاهان دارند.

انقلاب سبز۲؛ استفاده از هوش مصنوعی برای پرورش گیاهان جاذب کربن+فیلم

(از چپ به راست: تالمو پری‌یرا ، الیزابت بریگان و ولفگانگ بوش)

تا پیش از کاربرد «اسلیپ» ردگیری خصوصیات فیزیکی گیاهان و همچنین حیوانات مستلزم کارهای زیادی بود که فرایند را کُند می‌کرد. آنچه که نرم‌افزار اسلیپ را متمایز می‌سازد استفاده از دیدگاه رایانه‌ای (توانایی رایانه برای شناخت تصاویر) و یادگیری عمیق (یک رویکرد هوش مصنوعی برای آموزش دادن به یک رایانه به منظور یادگیری و عمل کردن مانند مغز انسان) است.

«الیزابت بریگان» مولف اول مقاله تحقیقاتی و تحلیلگر بیوانفورماتیک در آزمایشگاه «بوش» گفت: ما یک پروتکل نیرومند ایجاد کردیم که در انواع مختلفی از گیاهان تایید شده است و زمان تحلیل و اشتباهات انسانی را کاهش می‌دهد در عین حالی که در دسترس بودن و کاربرد آسان را مورد تاکید قرار می‌دهد.

اسلیپ در کنار یک کیف ابزار (toolkit ) دیگر موسوم به «اسلیپ روتس» می‌تواند جنبه‌های بیولوژیک سامانه ریشه مانند عمق ، حجم و زاویه رشد را پردازش کند. محققان این پکیج را در مورد چند نوع گیاه استفاده کردند و نتیجه گرفتند که این متد جدید بر مبنای «اسلیپ» عملکرد بسیار بهتری از روش‌های قبلی دارد و مدل هوش مصنوعی را نیز ۱۰ بار سریع تر آموزش می دهد.

این محققان هم‌اکنون در حال شروع کار برای در زمینه آنالیز داده‌های سه‌بعدی با اسلیپ هستند. استفاده از این شیوه هم‌اکنون طراحی گیاهان را تسریع کرده و به این موسسه امکان داده که تاثیر خود را بر مساله تغییرات آب و هوایی بگذارد.

اخبار مرتبط

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha