AI와 새로운 과학 보고서가 식물 뿌리 연구의 혁신을 가속화하다

Seoul버클리 연구소의 과학자들은 농업 연구에 있어 진전을 이루었습니다. 그들은 RhizoNet이라는 인공지능 도구를 개발하여 식물의 뿌리를 분석하고 있습니다. 뿌리는 물과 영양분을 흡수하는 데 중요한 역할을 하기 때문에 뿌리에 대한 이해가 중요합니다.

구식 방법은 많은 노력이 필요하고 종종 오류를 일으켰습니다. RhizoNet은 심층 학습을 활용하여 이 과정을 자동화하며 높은 정확도를 자랑합니다. 알아두어야 할 점은 다음과 같습니다.

• 버클리 연구소의 응용 수학 및 컴퓨터 연구, 환경 유전체학, 시스템 생물학 부서에서 개발되었습니다.
• 식물 뿌리를 분석하기 위해 딥러닝을 사용합니다.
• 뿌리 이미지 분석을 자동화하여 정확성을 높입니다.
• 세그멘테이션을 위해 Residual U-Net 아키텍처를 활용합니다.
• 뿌리의 성장과 생물량을 추적할 수 있게 도와줍니다.

과학 보고서에 실린 한 연구는 RhizoNet에 대해 설명하고 있습니다. 주요 연구자인 다니엘라 우시지마는 RhizoNet이 뿌리 세분화 및 분석을 일관되게 수행한다고 밝혔습니다.

EcoFAB는 식물의 뿌리를 명확하게 관찰할 수 있도록 도와주는 새로운 도구입니다. 이 도구는 DOE 합동 유전체 연구소와 기후 및 생태계 과학 부문의 협력으로 제작되었습니다. EcoFAB는 매우 일관된 데이터를 제공합니다.

RhizoNet와 EcoFAB은 과학자들이 다양한 영양 환경에서의 뿌리 스캔을 분석하도록 돕습니다. RhizoNet은 EcoFAB에서 생성된 컬러 스캔과 Residual U-Net 모델을 사용합니다. 이 모델은 세분화를 향상시키기 위해 추가 연결을 가지고 있습니다.

더 읽기:

오늘 · 오전 7:41

OpenAI의 수익기업 전환에 따른 도전 과제

프로젝트에 참여한 과학자 피터 안데어는, EcoBOT이 이미지를 쉽게 수집할 수 있도록 도와주며, RhizoNet이 데이터 분석을 자동으로 처리한다고 말했다. 이러한 기능은 작업 속도를 높이며 자동화된 실험실 개발에 기여한다. 그들은 RhizoNet을 훈련시키고 테스트를 실행하기 위해 NERSC 자원을 사용했다. 이 시스템은 식물의 뿌리 크기와 성장에 대한 상세하고 정확한 정보를 제공한다.

프로젝트의 데이터 과학자인 지네브 소르도는 그들이 새로운 합성곱 신경망을 어떻게 개발했는지 설명했습니다. 이 모델은 수작업으로 작성된 주석보다 더 정확합니다. 이미지를 작은 부분으로 나누어 사용함으로써, 모델은 더 나은 성능을 발휘하며 세부적인 부분을 더욱 잘 인식할 수 있습니다.

모델의 정확성을 검증하기 위해 예상된 뿌리 생체량을 실제 측정치와 비교했습니다. 선형 회귀 분석 결과, RhizoNet이 수동 주석보다 더 정확하다는 강한 연관성을 보여주었습니다. 이 결과는 RhizoNet이 매우 유능하다는 것을 입증합니다.

이번 발견은 친환경 에너지 및 탄소 포집 방법의 발전에 기여할 수 있습니다. 우시지마와 그녀의 팀은 RhizoNet을 더욱 효과적으로 가지 패턴을 감지하고 분석하도록 개선할 계획입니다. 또한, 이 알고리즘이 토양의 뿌리 연구 및 새로운 소재 과학 분야 탐구에 유용할 것으로 기대하고 있습니다.

피터 안더, 트렌트 노던, 카밀 캐툴로스, 그리고 제임스 세티안도 팀의 일원입니다. 이 연구는 트윈 생태계 프로젝트의 일부로, 생태계 실험을 위해 컴퓨터 비전과 자율 실험 설계 소프트웨어를 사용합니다. 또한 DOE의 탄소 네거티브 어스샷 이니셔티브를 지원합니다.