超级计算机可帮助科学家揭示最有影响力的农作物参数

农业正在成为AI原生。Skoltech研究人员已使用Zhores超级计算机进行了非常精确的灵敏度分析，以揭示黑钙土地区不同作物产量的关键参数。他们的论文发表在计算科学，国际会议的程序对计算科学2020

全世界的农民使用数字作物模型预测作物产量; 这些模型描述了土壤过程，气候和作物特性，并需要环境和农业管理输入数据来进行校准和改善预测。但是，在某些国家/地区，这些模型的用户无法免费获得农业化学数据，这种校准可能会变得既昂贵又费时。

由Ivan Oseledets教授和Maria Pukalchik助理教授领导的Skoltech团队使用了一种流行的基于过程的开源模型MONICA，该模型基于历史数据和过程建模来确定仅显示作物产量最重要参数的方法。此外，他们使用Skoltech旗舰超级计算机Zhores将计算效率从每天一次仿真提高到每小时50万个模型仿真。

要进行高质量的敏感性分析，以确定某些输入因素(例如土壤参数或肥料)的变化如何影响产量预测，模拟的数量如此之高是必不可少的。

该研究小组使用了来自俄罗斯黑钙土地区的一项实验的田间数据，该作物的甜菜(Beta vulgaris)，春季大麦(Hordeum vulgare)和大豆(Glycine max)的季节性作物轮换发生于2011年至2017年。他们选择了六种主要土壤参数进行敏感性分析并进行Sobol敏感性分析(以2001年提出的俄罗斯数学家Ilya Sobol的名字命名)。

“土壤在这个国家是一个非常复杂的问题。不幸的是，有关土壤性质和作物产量的数据尚未发布。我们找到了克服这一障碍的机会，并建立了Zhores超级计算机来解决这个问题。现在我们可以模拟所有可能的变种并显示最关键的参数，而无需耗时且昂贵的工作。我们希望我们的成就将帮助农民数字化其作物生长，” Maria Pukalchik说。