NSF Haberler

Makine öğrenimi, gıdadaki nanoparçacıklarla ilgili endişeleri azaltabilir

Mahsul verimi son yıllarda nanoteknolojiden önemli bir artış elde ederken, taze ürünlerde ve tahıllarda nanoparçacıkların oluşturduğu sağlık risklerine ilişkin alarmlar da arttı. Sulama, gübreler ve diğer kaynaklar yoluyla toprağa giren nanopartiküller, bitkilerin bu küçük partikülleri toksisiteye neden olacak kadar emip emmediği konusunda endişelere yol açmıştır.

Dergide yayınlanan bir çalışmada Çevre Bilimi ve Teknolojisiaraştırmacılar Teksas A&M Üniversitesi metalik nanoparçacıkların bitki alımına karşı daha duyarlı olmalarını sağlayan özelliklerini değerlendirmek için makine öğrenimini kullandı. Araştırmacılar, algoritmalarının bitkilerin köklerinde ve sürgünlerinde ne kadar nanopartikül biriktirdiğini gösterebileceğini söylüyor.

Nanopartiküller, tıp, tüketici ürünleri ve tarım dahil olmak üzere çeşitli alanlarda gelişen bir trend. Nanopartikülün türüne bağlı olarak, bazıları diğer özelliklerin yanı sıra uygun yüzey özelliklerine, yüke ve manyetizmaya sahiptir. Bu nitelikler onları birçok uygulama için ideal kılar. Örneğin, tarımda, nanoparçacıklar bitkileri patojenlerden korumak için antimikrobiyaller olarak kullanılabilir. Alternatif olarak, gübrelere veya böcek ilaçlarına bağlanabilirler ve daha sonra bitki emilimini artırmak için yavaş salınacak şekilde programlanabilirler.

Bu tarımsal uygulamalar ve sulama gibi diğerleri, toprakta nanoparçacıkların birikmesine neden olabilir. Bununla birlikte, toprakta bulunabilecek farklı nanopartikül türleri ve gıda mahsulleri de dahil olmak üzere şaşırtıcı derecede çok sayıda karasal bitki türü ile, nanopartiküllerin bazı özelliklerinin onları bazı bitki türleri tarafından emilme olasılığını diğerlerinden daha fazla yapıp yapmadığı belirsizdir.

Çalışmaları için, ABD Ulusal Bilim Vakfı tarafından finanse edilen araştırmacılar iki farklı makine öğrenimi algoritması seçti: yapay sinir ağı ve gen ifade programlama. İlk önce bu algoritmaları, farklı metalik nanoparçacıklar ve bunların biriktiği belirli bitkiler üzerindeki geçmiş araştırmalardan oluşturulan bir veritabanı üzerinde eğittiler. Veri tabanı, nanoparçacıkların boyutunu, şeklini ve diğer özelliklerini ve bu parçacıkların kaçının topraktan veya besin açısından zengin sudan bitki gövdesine emildiğine dair bilgiler içeriyordu.

NSF’nin Kimya Bölümü’nde program direktörü Anne-Marie Schmoltner, “Bu bilim adamları, toplumun büyük ilgisini çeken bir soruya en gelişmiş makine öğrenimi tekniklerini uyguladılar” diyor.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir