大气中过多的碳正在引发许多matic变化,对我们以及动植物的生存构成真正的威胁。 结果是极端热浪、风暴、长期干旱和灾难性洪水。 因此,我们需要一些可以帮助减少大气中碳含量的东西,而没有什么比植物更好的了——是的,绿色植物不仅好看,还能提供宁静的环境和良好的能量。
植物从大气中吸收二氧化碳,因为它们具有这样做的天然能力。 索尔克的科学家们正在利用同样品质的植物通过重新设计植物的根部来净化空气中的二氧化碳,从而使它们能够储存更多的碳。 他们先进的新工具 SLEAP 是一种人工智能软件,可以trac根生长的不同特征。
设计新工厂应对气候变化
索尔克研究所的项目名为利用植物倡议(HPI),重点是开发利用植物储存碳的解决方案,因为植物已经在其生物质中储存碳。 但储存通常是暂时的,因为当植物死亡或农作物收获时,储存的碳就会返回大气中。 索尔克正在努力提高其储存更多碳的能力,并延长储存时间。
HPI 科学家正在使用 SLEAP 来设计这些气候节约型工厂。 它非常易于使用,最初设计用于trac实验室中的动物运动,现在用于研究根结构。
在最近的一项研究中,研究人员揭示了 SLEAP 的新协议,该协议将分析根部特征,例如它们生长的深度、宽度、随时间增长的大小以及其他物理特征,而这些特征在以前测量起来非常累人且耗时睡觉吧。
SLEAP 是植物研究的一次飞跃
SLEAP 已经在帮助科学家,因为他们已经生成了广泛的植物根系目录。 dent植物的这些根系统将帮助科学家找到与他们正在寻找的特征相关的基因。 它还将有助于defi植物的多个特征是否由相同的基因defi。
索尔克研究人员将能够确定哪些基因有助于设计新植物。 参与开发 SLEAP 的科学家 Elizabeth Berrigan 说:
“我们创建了一个在多种植物类型中经过验证的强大协议,可以减少分析时间和人为错误,同时强调可访问性和易用性,并且不需要对实际的 SLEAP 软件进行任何更改。”
资料来源:索尔克研究所。
索尔克研究人员在不同的植物类型上测试了该模型,例如水稻、油菜和大豆。 他们还针对芥菜科开花杂草(科学上称为拟南芥)进行了测试,试验后发现,SLEAP 训练AI 模型的速度比以前的做法快 10 倍,并且根据新数据预测植物结构的速度快 10 倍。
研究人员现在正在关注一项新的挑战,即使用 SLEAP 检查 3D 根结构。 SLEAP 的研究将继续进行,因为它已经在加速索尔克研究所的研究进程。
该研究可以在这里。