작물 수확량이 최근 몇 년 동안 룰렛 돌리기 기술로부터 상당한 증가를 달성했지만, 신선한 농산물과 곡물 내에서 룰렛 돌리기 입자가 제기 한 건강 위험에 대한 경보도 증가했습니다. 특히, 관개, 비료 및 기타 공급원을 통해 토양에 들어가는 룰렛 돌리기 입자는 식물이 독성을 유발할 수있는이 미세한 입자를 충분히 흡수하는지에 대한 우려를 제기했다.
저널에 온라인으로 출판 된 새로운 연구에서환경 과학 및 기술, Texas A & M University의 연구원들은 기계 학습을 사용하여 식물 흡수에 더 취약한 금속 룰렛 돌리기 입자의 두드러진 특성을 평가했습니다. 또한 연구원들은 알고리즘이 뿌리와 싹에 룰렛 돌리기 입자가 얼마나 많은 식물이 얼마나 많은 식물이 축적되는지를 나타낼 수 있다고 말했다.
룰렛 돌리기 입자는 의학, 소비자 제품 및 농업을 포함한 여러 분야에서 급격한 경향입니다. 룰렛 돌리기 입자의 유형에 따라 일부는 다른 특징들 중에서도 유리한 표면 특성, 전하 및 자기를 갖는다.
이러한 농업 관행 및 관개와 같은 다른 사람들은 룰렛 돌리기 입자가 토양에 축적 될 수 있습니다. 그러나, 지상에 존재할 수있는 다른 유형의 룰렛 돌리기 입자와 식품 작물을 포함하여 엄청나게 많은 지상 식물 종을 사용하면, 룰렛 돌리기 입자의 특정 특성이 다른 식물보다 일부 식물에 의해 흡수 될 가능성이 더 높는지 명확하게 알려져 있지 않다.
“우리가 모든 식물 종에 대해 각 룰렛 돌리기 입자의 존재를 테스트해야한다면, 매우 시간이 많이 걸리고 비싸다”고 Zachry 민사 및 환경 공학 부교수 인 Xingmao“Samuel”MA 박사는 말했다. "아이디어를 제공하기 위해,은 룰렛 돌리기 입자만으로는 수백 가지 크기, 모양 및 표면 코팅을 가질 수 있으므로 단일 식물 종에 대해서도 실험적으로 테스트하면 비현실적입니다.".
대신 연구를 위해 연구자들은 인공 신경망 및 유전자 표현 프로그램 인 두 가지 다른 기계 학습 알고리즘을 선택했습니다. 그들은 먼저 다른 금속 룰렛 돌리기 입자와 그들이 축적 한 특정 식물에 대한 과거 연구에서 만든 데이터베이스에서 이러한 알고리즘을 훈련시켰다.
일단 훈련되면, 기계 학습 알고리즘은 주어진 금속 룰렛 돌리기 입자가 식물 종에 축적 될 가능성을 올바르게 예측할 수 있습니다. 또한, 이들의 알고리즘은 식물이 영양-풍부 또는 수경 용액에있을 때 금속 룰렛 돌리기 입자의 화학적 구성이 뿌리와 싹의 축적 성향을 결정한다는 것을 밝혀냈다.
Ma는 기계 학습 알고리즘이 대부분의 식품 작물과 지상 식물에 대해 예측할 수 있지만 아직 수생 식물에 대한 준비가되지 않을 수 있다고 말했다. 그는 또한 그의 연구의 다음 단계는 기계 학습 알고리즘이 뿌리가 아닌 잎에서 룰렛 돌리기 입자 흡수를 예측할 수 있는지 조사하는 것이라고 언급했다..
44884_45230
다른 기고자들은 Xiaoxuan Wang, Liwei Liu 및 Civil and Environmental Engineering Department의 Weilan Zhang이 있습니다.
이 연구는 국립 과학 재단 (National Science Foundation)과 대만의 과학 기술부 (Science and Technology)가 해외 대학원생 프로그램에 의해 부분적으로 자금을 지원합니다.