المعامل المحمولة:- في حين أن تسلسل الحمض النووي المحمول أصبح حقيقة واقعة اليوم ، فإن زيادة إمكانية نقل التقنيات التحليلية الأخرى هي فرصة ناشئة. يعد قياس الطيف الكتلي (الكيمياء) والبروتيوميات من بين الحدود ، وفي النهاية نتوقع الأجهزة المحمولة (على سبيل المثال ،( " تريكوأوردر" ورمفليش ، 2017 ؛ ويكيبيديا ، 2020)) لتحليل العينات بسرعة طفيفة التدمير. إن الأدوات المحمولة منخفضة الطاقة القادرة على جمع ومعالجة معلومات النمط الجيني والظاهري ستسهل البحث في المواقع البعيدة ذات الاتصال المحدود بالشبكة. ستظل أدوات علم الجينوم منخفضة التكلفة مثل تقنيات تسلسل الثقوب النانوية (كونو وأراكاوا ، 2019) ضرورية للبحث الميداني (مثل الدراسات البيئية) وهي مثالية لإشراك المشاركين المتنوعين. بالنسبة لأجهزة الاستشعار ، يجب تحليل بيانات المختبر المحمولة في الميدان مبدئيًا (على سبيل المثال ، من خلال تحليل الحافة (أوجرادي ،لانغتون ، أوهير ، 2019) ، حيثما أمكن ذلك باستخدام تطبيقات الهاتف أو الجهاز اللوحي المتاحة على نطاق واسع.
خطة العمل: الهدف 7 :- استثمر في تقنيات التصوير عالية الإنتاجية من المستوى دون الخلوي إلى المستوى الطبيعي. قم بتحسين تقنيات المستشعرات للمراقبة في عمليات النبات ، والأيض ، والتفاعلات مع البيئة. تطوير تقنيات المختبرات المحمولة باستخدام الحوسبة المتطورة لالتقاط البيانات في الوقت الفعلي وتحليلها في الميدان.
الهدف 8: إدارة وتحقيق إمكانات البيانات الضخمة:- يستمر "الحجم الكبير" في البيانات الضخمة في النمو: تنمو قواعد الحمض النووي البالغ عددها 30 كوادريليون في مستودع معلومات المركز الوطني للتكنولوجيا الحيوية العامة بشكل كبير تقريبًا ؛ تدفقات بيانات الصور ، حتى بالنسبة للتجارب الصغيرة ، تكون أكثر ضخامة (برودر وآخرون.2019). بعبارة أخرى ، نحن في عصر البيتابايت ((كيو وآخرون. ، 2014)) للتخزين ولكن عصر الزيتابايت (أعلى بمليون ضعف) لتدفق البيانات العالمية (رينسل ،جانتس ، وريدنينج ،2018) . وبالتالي ، يعد التخزين طويل الأجل ومعالجة البيانات في الوقت الفعلي مسألتين هامتين لكنهما مستقلتان. يجب أيضًا دمج البيانات عندما يكون ذلك ممكنًا ، سواء من مواقع ميدانية متعددة تم جردها على مدار سنوات (شبكة تنسيق أبحاث الذرة للمعلوماتية ، 2019) أو من مقارنة مجموعات البيانات الحديثة مع تلك التي تم إنشاؤها منذ جيل. يجب أن تكون هذه البيانات متاحة بسهولة للباحثين لتحليلها واكتشافها ؛ سيتطلب تحقيق كل هدف من أهداف العقد القادم الرؤية تقنية لجمع البيانات (الأجهزة) والتحليل (البرمجيات) على نطاقات تقزم ما يمكننا تحقيقه حاليًا. تشمل العوائق الرئيسية أمام دمج مجموعات البيانات غير المتزامنة التباين الواسع والتعليق التوضيحي الضعيف للبيانات التاريخية والحاجة إلى إنشاء تنسيقات موحدة لأنواع البيانات التي تم إنشاؤها حديثًا باستخدام منصات التكنولوجيا الناشئة التي غالبًا ما تكون مميزة. أخيرًا ، يعد اشتقاق المعنى البيولوجي من البيانات مهمة لا تنتهي وتتطلب الاهتمام بالتجميع والتكامل والتحليل.
البنية التحتية السيبرانية:- قدمت PSRN توصيات مفصلة حول البنية التحتية الإلكترونية ، وإمكانيات البيانات الضخمة ، والتدريب اللازم للنهوض بعلم أنظمة المصانع في الخطة الإستراتيجية 10 سنوات لـ أنظمة النبات البنية التحتية الإلكترونية ، والتي كان لها موضوع الاتصالات - بين مجموعات البيانات ، ومجموعات الأدوات ، والأنظمة الأساسية بما في ذلك قواعد البيانات ، الباحثون والمعلمون في علوم النبات والمعلومات ، والقطاع الخاص ، والجمهور (شبكة أبحاث علوم النبات ، 2017 ؛ تايلور ، ستيرن ، ليون ، هنكهاوس ، وتايلور ، 2019). نسلط الضوء أدناه على بعض البنية التحتية السيبرانية وقدرات البيانات الضخمة اللازمة للنهوض بأجندة الرؤية العشرية (انظر أيضًا الأهداف 1-4).
اتصالات البيانات للتطبيقات الميدانية:- نظرًا لأن المواقع الفردية قد تنشر مئات أو حتى الآلاف من أجهزة الاستشعار والكاميرات ، فإن القدرة على تحليل البيانات وإدارتها في الموقع ستكون مطلوبة لأنه قد يكون من المستحيل تخزين البيانات في موقع بعيد أو نقلها إلى موقع مركزي للتخزين والمعالجة. قد تقوم المستشعرات بقياس أشياء مختلفة جدًا ، مثل الكيمياء الموجودة تحت الأرض ، وصور الزهور ، والجزيئات الصغيرة الداخلية ، وزيارات الملقحات ؛ هذه هي الطبيعة متعددة الوسائط للمشكلة. لمواجهة التحدي ، ستحتاج المستشعرات إلى الاتصال بشبكات شبكة مخصصة - وهي طريقة ديناميكية لربط الأجهزة التي تتجنب الحاجة إلى شبكة مثبتة بشكل دائم (سيلفوني ، دافولي ، بللي ، وفيراري ، 2019) - لإرسال البيانات والنتائج الخاصة بهم إلى نظام حوسبة متعددة الوصول (MEC) في الموقع لاستخراج الميزات والإشارات المهمة. يمكن لأنظمة MEC القابلة للنشر الميداني - والتي تسمى أنظمة "الحافة" لأنها تقع بالقرب من موقع جمع البيانات بدلاً من موقع بعيد - تنسيق وجمع حزم البيانات من تدفقات بيانات متعددة ، مما يؤدي إلى مزيد من المعالجة التي تتطلب موارد حسابية أكثر مما يمكن أن يكون يتم توفيرها على أجهزة الاستشعار ولكن هذا لا يتطلب إرسال جميع البيانات إلى السحابة أو خادم مركزي للتحليل الأولي. في النهاية ، يمكن لنظام MEC تنسيق نقل البيانات إما إلى نظام مركزي خارج الموقع أو مباشرة إلى الباحث. بالإضافة إلى تنسيق حركات البيانات والمعالجة المسبقة ، يلزم تطوير أنظمة برامج وتكنولوجيا معلومات إضافية لمجموعات MEC التي تسمح للباحثين بإضافة أدوات تحليل جديدة للاختبار والنشر بسهولة. ستكون هناك حاجة إلى المراقبة عن بعد لأجهزة الاستشعار وصحة الشبكة المتداخلة من أجل التحديد السريع للاختناقات أو السلوك الخاطئ أو مشاكل تكنولوجيا المعلومات الأخرى التي تحدث في موقع بعيد (على سبيل المثال ، فشل الطاقة والأجهزة ، تخريب المعدات ، الخوارزميات الجامحة).
التعلم الآلي والذكاء الاصطناعي:- على الرغم من وجود مجموعة متنوعة من الأساليب لتحسين خوارزميات التعلم الآلي (ML) ، فإن بيانات التدريب والاختبار مهمة في تطوير نماذج ML الجديدة والتحقق من صحتها. هناك حاجة إلى التطورات لإنشاء مجموعات بيانات تدريب كبيرة (على سبيل المثال ، COCO ، مجموعة بيانات 2020 المستخدمة لتدريب التعرف على الكائنات) ومستودعات نموذج ML (على سبيل المثال ، نموذج حديقة حيوان [2020]مجموعة من الرموز والنماذج المدربة) التي تم تصميمها حول أنواع البيانات والتعلم المطلوب لبحوث أنظمة النبات. يعد الذكاء الاصطناعي هدفًا طويل المدى لعلماء أنظمة النبات لتمكين قدر متناقص من التدخل البشري في متابعة استفسارات بيولوجيا الأنظمة المعقدة بشكل متزايد ، لا سيما تلك المتوقعة للهدفين 1 و 4. ومن المتوقع أن تقود التخصصات الأخرى إنجازات الذكاء الاصطناعي التي يمكن أن تكون مدمجة في علوم النبات والفرص التي تتجاوز ML. سيتم تضمين التعلم العميق والقراءة الآلية والذكاء الاصطناعي القابل للتفسير في علوم النبات في غضون 10 سنوات ؛ يمكننا أن ننظر إلى برامج مثل مصممي النماذج العالميين التابعين لوكالة مشروعات الأبحاث الدفاعية المتقدمة (جامعة فرجينيا للتكنولوجيا ،2018 ؛ مصممي العالم ، 2020) لفهم كيفية استخدام البيانات الضخمة لتحديد الآليات البيولوجية الأساسية. الحوسبة الكمومية لديها القدرة على تسريع العديد من هذه التطورات.
خطة العمل: الهدف 8:- إنشاء وتوسيع الموارد التي تتيح تكامل البيانات متعددة الوسائط بما في ذلك الأنطولوجيات ومعايير البيانات ومجموعات البيانات المرجعية. قم بتوسيع مستودعات الأدوات والنماذج والخدمات الموثقة على نطاق واسع والموثقة جيدًا لتحليل البيانات متعددة الوسائط بما في ذلك ، على سبيل المثال لا الحصر ، نماذج ML وبرامج الذكاء الاصطناعي. تعزيز قابلية التشغيل البيني واتحاد المستودعات الرئيسية الموجودة ومراكز التحليل للبيانات متعددة الوسائط حول أنظمة المصنع ، بما في ذلك توسيع خدمات الويب والأدوات الدلالية. تحسين الخوارزميات والأجهزة لدعم المعالجة في الموقع لتدفقات البيانات متعددة الوسائط والذكاء التحليلي في هذا المجال ، بما في ذلك أنظمة MEC المتقدمة. أكمل تنفيذ اتصال الإنترنت عالي السرعة (حاليًا 5G) لجميع المجتمعات الريفية بحيث يمكن دمج جميع مراكز تحليل البيانات وعلماء البحوث وموظفي الإرشاد والمزارعين ومديري النظم البيئية في شبكة معرفة أنظمة المصنع.
3 آثار الرؤية العقدية:- من خلال الاستثمار في الأجندة الجريئة الموضحة في هذه الرؤية العقدية ، سيدرك مجتمع علوم النبات التأثيرات داخل مجتمعنا وفي المجتمع ككل (الشكل 2). يمكن تضمين هذه التأثيرات المتوقعة في الجهود المبذولة لإيصال أهدافنا وطلب الدعم المالي وجذب المشاركين والاحتفاظ بهم.
سيكون لتحقيق الرؤية العقدية تأثيرات مجتمعية. سيكون للأنشطة الموصوفة في هذه الوثيقة طبقات عديدة من التأثير ، سواء بشكل مباشر أو غير مباشر يتعلق بأجندة البحث
من المتوقع حدوث التأثيرات التالية داخل مجتمع علوم النبات:
● اكتشافات جديدة وفهم أكبر لبيولوجيا النظم النباتية الأساسية في العديد من السياقات
● تحسين الوصول إلى البيانات والأدوات والتقنيات الجديدة والحالية
● انهيار حواجز الاتصال والصوامع التأديبية
● تغييرات في الثقافة الأكاديمية تدعم الإنصاف والخدمة والعمل الجماعي
● تنويع المشاركين وفرص التدريب وزيادة الشعور بالانتماء.
ستتجاوز التأثيرات المتوقعة التالية علم النبات:
● تحسين المشاركة مع الجمهور من خلال الاتصالات وعلوم المجتمع
● مشاركة المجتمعات التي لم يتم تمثيلها أو تضمينها تقليديًا
● الأرباح في النمو الاقتصادي وصحة الإنسان وجودة البيئة
● الشراكات التي تسرع ترجمة الاكتشافات إلى تطوير المنتجات.
Post A Comment: