يؤدي وجود كميات كبيرة من الكربون في الغلاف الجوي إلى إحداث العديد من التغيرات matic ويشكل تهديدًا حقيقيًا لوجودنا، إلى جانب الحيوانات والنباتات. والنتيجة هي موجات الحرارة الشديدة والعواصف وفترات الجفاف الطويلة والفيضانات الكارثية. لذلك نحن بحاجة إلى شيء يمكن أن يساعد في تقليل الكربون في الغلاف الجوي، ولا شيء أفضل من النباتات - نعم، النباتات الخضراء التي تبدو أيضًا جيدة للعين وتوفر بيئة هادئة وطاقة جيدة.
تقوم النباتات بسحب ثاني أكسيد الكربون من الغلاف الجوي لأن لديها القدرة الطبيعية على القيام بذلك. يستخدم العلماء في سالك نفس نوعية النباتات لتنظيف الهواء من ثاني أكسيد الكربون عن طريق إعادة تصميم جذورها حتى تتمكن من تخزين المزيد من الكربون. أداتهم الجديدة المتطورة، SLEAP، عبارة عن برنامج ذكاء اصطناعي trac الميزات المختلفة لنمو الجذر.
تصميم مصانع جديدة لمكافحة تغير المناخ
يركز برنامج معهد سالك المسمى مبادرة تسخير النباتات (HPI) على تطوير حلول للاستفادة من النباتات لتخزين الكربون، حيث تقوم النباتات بالفعل بتخزين الكربون في كتلتها الحيوية. لكن التخزين عادة ما يكون مؤقتا، فعندما تموت النباتات أو يتم حصاد المحاصيل، يعود الكربون المخزن إلى الغلاف الجوي. تحاول سالك زيادة قدرتها على تخزين المزيد من الكربون وذلك لفترات أطول من الزمن.
يستخدم علماء HPI SLEAP لتصميم هذه النباتات الموفرة للمناخ. إنه سهل الاستخدام للغاية وقد تم تصميمه في البداية trac حركات الحيوانات في المختبر، ويتم اعتماده الآن لدراسة الهياكل الجذرية.
في دراسة حديثة، كشف الباحثون عن بروتوكول SLEAP الجديد، والذي سيحلل خصائص الجذر مثل مدى عمق نموها، وعرضها، ومدى نموها مع مرور الوقت، وسماتها الجسدية الأخرى، والتي كان قياسها متعبًا للغاية ويستغرق وقتًا طويلاً. النوم.
SLEAP هو قفزة إلى الأمام في أبحاث النبات
يساعد SLEAP العلماء بالفعل، حيث قاموا بإنشاء كتالوج شامل لأنظمة جذور النباتات. dent تحديد أنظمة جذور النباتات هذه سيساعد العلماء في العثور على الجينات المرتبطة بالخصائص التي يبحثون عنها. وسوف يساعد أيضًا في defi ما إذا كانت الخصائص المتعددة للنبات يتم defi بواسطة نفس الجينات أم لا.
سيتمكن باحثو سالك من تحديد الجينات التي تساعد في تصميم نباتاتهم الجديدة. تقول إليزابيث بيريجان، العالمة التي شاركت في تطوير برنامج SLEAP:
"لقد أنشأنا بروتوكولًا قويًا تم التحقق من صحته في أنواع متعددة من المصانع مما يقلل من وقت التحليل والأخطاء البشرية مع التركيز على إمكانية الوصول وسهولة الاستخدام - ولم يتطلب أي تغييرات على برنامج SLEAP الفعلي."
المصدر: معهد سالك.
اختبر باحثو سالك النموذج على أنواع نباتية مختلفة، مثل الأرز والكانولا وفول الصويا. كما قاموا باختباره أيضًا على الحشائش المزهرة لعائلة الخردل، والتي تسمى علميًا Arabidopsis thaliana، ووجدوا بعد التجارب أن SLEAP أسرع بعشر مرات في تدريب نماذج الذكاء الاصطناعي من الممارسات السابقة وأسرع بعشر مرات في التنبؤ ببنية النبات بناءً على البيانات الجديدة.
يركز الباحثون الآن على تحدٍ جديد، وهو فحص الهياكل الجذرية ثلاثية الأبعاد باستخدام SLEAP. سوف يستمر البحث باستخدام SLEAP، لأنه يعمل بالفعل على تسريع عملية البحث في معهد سالك.
يمكن رؤية الدراسة البحثية هنا .
