Ứng dụng trí tuệ nhân tạo trong tạo cây trồng hấp thụ carbon chống biến đổi khí hậu

Hệ thống rễ đặc biệt nhờ công cụ AI

Theo Hội đồng liên chính phủ về biến đổi khí hậu (IPCC), việc giảm thiểu carbon rất quan trọng trong quá trình chống biến đổi khí hậu và kiểm soát sự gia tăng nhiệt độ toàn cầu. Để góp phần thực hiện nỗ lực này, các nhà khoa học tại Viện Nghiên cứu sinh học Salk (Mỹ) đang tận dụng khả năng hấp thụ carbon dioxide tự nhiên của thực vật bằng cách tăng cường hệ thống rễ của chúng.

Để thiết kế những "nhà máy" bảo vệ khí hậu này, các nhà khoa học trong Sáng kiến khai thác thực vật của Viện Salk đã nghiên cứu, thử nghiệm ứng dụng trí tuệ nhân tạo có tên SLEAP để theo dõi sự phát triển của rễ cây. 

SLEAP ban đầu được thiết kế để theo dõi chuyển động của động vật trong phòng thí nghiệm. Tuy nhiên, trong một nghiên cứu mới được công bố trên tạp chí Plant Phenomics, các nhà nghiên cứu tại Viện Salk đã ra mắt một giao thức mới sử dụng SLEAP để phân tích các kiểu hình, đặc tính vật lý khác nhau của rễ cây, chẳng hạn như hệ thống rễ có thể phát triển sâu và rộng đến mức nào,... Việc áp dụng SLEAP cho phép thiết lập danh mục phong phú chưa từng có về kiểu hình hệ thống rễ cây, thúc đẩy quá trình tạo ra các loại cây hấp thụ carbon cao để chống lại biến đổi khí hậu.

Các tác giả của nghiên cứu đã tạo ra một giao thức mạnh mẽ giúp giảm thời gian phân tích và các lỗi của con người, đồng thời nhấn mạnh vào khả năng dễ tiếp cận và sử dụng của SLEAP trong thực tế.

Điều làm nên sự khác biệt của SLEAP là việc sử dụng độc đáo cả thị giác máy tính (khả năng máy tính hiểu hình ảnh) và học sâu (một phương pháp AI để đào tạo máy tính học hỏi và hoạt động giống như bộ não con người). Sự kết hợp này cho phép các nhà nghiên cứu xử lý hình ảnh mà không cần di chuyển từng điểm ảnh (pixel), bỏ qua bước trung gian tốn nhiều công sức này để chuyển thẳng các hình ảnh (đầu vào) sang xác định các đặc điểm thực vật (đầu ra).

Các nhà nghiên cứu đã phát triển bộ công cụ mã nguồn mở cho SLEAP được gọi là sleap-roots. Qua đó, SLEAP có thể xử lý các đặc điểm sinh học của hệ thống rễ.

Trên nhiều loại thực vật được thử nghiệm, nhóm các nhà khoa học tại Viện Salk nhận thấy phương pháp mới dựa trên SLEAP vượt trội hơn các phương pháp hiện có bằng cách chú thích nhanh hơn 1,5 lần, đào tạo mô hình AI nhanh hơn 10 lần và dự đoán cấu trúc thực vật trên dữ liệu mới nhanh hơn 10 lần. Tất cả đều có độ chính xác tương đương hoặc cao hơn so với trước đây.

Cùng với những nỗ lực giải trình tự bộ gene quy mô lớn nhằm làm sáng tỏ dữ liệu kiểu gene ở số lượng lớn các giống cây trồng, những dữ liệu kiểu hình này, chẳng hạn như hệ thống rễ cây trồng đặc biệt mọc sâu trong đất, có thể được ngoại suy để hiểu các gene chịu trách nhiệm tạo ra hệ thống rễ đặc biệt sâu đó.

Bước kết nối kiểu hình và kiểu gen này rất quan trọng trong sứ mệnh của Salk là tạo ra những cây trồng lưu giữ được carbon nhiều hơn và lâu hơn, vì những cây đó sẽ cần hệ thống rễ được thiết kế sâu hơn và khỏe hơn.

Việc sử dụng mô hình AI SLEAP trong Sáng kiến khai thác thực vật của Salk đã thúc đẩy những nỗ lực ngăn chặn tác động của biến đổi khí hậu. Hơn thế nữa, các nhà nghiên cứu đã bắt đầu thảo luận với NASA để tiến tới sử dụng SLEAP và Sleap-roots không chỉ để giúp cây trồng hấp thụ carbon trên Trái đất mà còn nghiên cứu thực vật trong không gian./.