یادگیری ماشینی نگرانی در مورد نانوذرات را کاهش می‌دهد

محققان با استفاده از یادگیری ماشینی نشان دادند که نانوذرات چگونه در گیاهان تجمع پیدا می‌کنند. این الگوریتم‌ها به دانشمندان درباره پیش‌بینی تعامل نانوذرات و گیاهان کمک می‌کند.

در حالی در سال‌های اخیر عملکرد محصولات فناوری‌ نانو افزایش قابل توجهی پیدا کرده که هشدارها در مورد خطرات ناشی از ورود نانوذرات در محصولات کشاورزی و غلات نیز افزایش یافته است. برای مثال، ورود نانوذرات از طریق آبیاری، کودها و منابع دیگر به خاک باعث ایجاد نگرانی در مورد اینکه آیا گیاهان این ذرات ریز را به اندازه کافی جذب می‌کنند تا باعث ایجاد سمیت شوند یا خیر، ذهن دانشمندان را مشغول کرده است.

در مقاله جدیدی که به تازگی در مجله Environment Science and Technology منتشر شده‌ است، محققان دانشگاه تگزاس از یادگیری ماشینی برای ارزیابی برخی ویژگی‌های نانوذرات فلزی استفاده کرده‌اند ویژگی‌هایی که باعث حساسیت بیشتر آن‌ها در جذب گیاه می‌شود. محققان گفتند که الگوریتم آن‌ها می‌تواند میزان تجمع نانوذرات در ریشه و شاخه‌های گیاهان را نشان دهد.

استفاده از نانوذرات در حوزه‌هایی از جمله دارو و کشاورزی رو به رشد است. بسته به نوع نانوذرات، برخی از آن‌ها از ویژگی‌های خاصی برخوردار هستند این ویژگی‌ها آن‌ها را برای کاربردهای صنعتی ایده‌آل می‌کند. به‌عنوان مثال، در کشاورزی، از نانوذرات ممکن است به‌عنوان آفت‌کش برای محافظت از گیاهان در برابر عوامل بیماری‌زا استفاده شود. در روش دیگر، می‌توان از آن‌ها برای اتصال به کودها یا حشره‌کش‌ها استفاده کرد و سپس با رهایش هوشمند و آهسته، جذب را در گیاه افزایش داد.

این روش‌ها، مانند آبیاری می‌تواند باعث تجمع نانوذرات در خاک شود. با وجود انواع مختلف نانوذرات که می‌تواند در زمین وجود داشته باشد و تعداد بسیار زیادی از گونه‌های گیاهی، به وضوح مشخص نیست که آیا وجود برخی خواص در نانوذرات باعث جذب بیشتر آن‌ها توسط برخی از گونه‌های گیاهی نسبت به دیگر گونه‌ها می‌شود.

زینگمائو ساموئل ما، از محققان این پروژه می‌گوید: «تصور کنید، اگر مجبور شویم حضور هر نانوذره را برای هر گونه گیاهی آزمایش کنیم، تعداد زیادی آزمایش لازم است که این کار بسیار وقت‌گیر و گران است. برای اینکه یک ایده به شما بدهم، نانوذرات نقره به تنهایی می‌تواند صدها اندازه، شکل و پوشش سطح مختلف داشته باشد، بنابراین آزمایش هر یک، حتی برای یک نوع گیاه، غیرعملی است.»

برای حل این مشکل، محققان دو الگوریتم مختلف یادگیری ماشین، یک شبکه عصبی مصنوعی و برنامه‌نویسی بیان ژن را انتخاب کردند. آن‌ها ابتدا این الگوریتم‌ها را با استفاده از یک پایگاه داده ایجاد شده از تحقیقات گذشته در مورد اثرات نانوذرات مختلف فلزی روی گیاهان، آموزش دادند. پایگاه داده آن‌ها حاوی اندازه، شکل و سایر مشخصات نانوذرات مختلف، همراه با اطلاعاتی در مورد میزان جذب این ذرات از خاک یا آب غنی شده با مواد مغذی به بدن گیاه بود.

الگوریتم‌های یادگیری ماشینی آن‌ها پس از آموزش، به درستی احتمال تجمع یک نانوذره فلزی داده شده در یک گونه گیاهی را پیش‌بینی می‌کنند.