机器学习可以减少对食物中纳米粒子的担忧

虽然近年来纳米技术大大提高了作物产量，但对新鲜农产品和谷物中纳米颗粒所带来的健康风险的担忧也有所增加。特别是，通过灌溉、肥料和其他来源进入土壤的纳米颗粒引起了人们对植物是否吸收这些微小颗粒足以引起毒性的担忧。

在《环境科学与技术》杂志在线发表的一项新研究中，德克萨斯 A&M 大学的研究人员使用机器学习来评估金属纳米粒子的显着特性，这些特性使它们更容易被植物吸收。研究人员表示，他们的算法可以表明植物在根和芽中积累了多少纳米颗粒。

纳米粒子是多个领域的新兴趋势，包括医学、消费品和农业。根据纳米颗粒的类型，一些具有良好的表面特性、电荷和磁性等特征。这些品质使它们成为许多应用的理想选择。例如，在农业中，纳米颗粒可用作抗菌剂以保护植物免受病原体侵害。或者，它们可用于与肥料或杀虫剂结合，然后通过编程缓慢释放以增加植物吸收。

这些农业做法和其他做法，如灌溉，会导致纳米颗粒在土壤中积聚。然而，由于地下可能存在不同类型的纳米粒子，以及数量惊人的陆生植物物种，包括粮食作物，目前尚不清楚纳米粒子的某些特性是否使它们更容易被某些植物物种吸收。其他。

“你可以想象，如果我们必须测试每个植物物种的每个纳米粒子的存在，那将是大量的实验，非常耗时且昂贵，”马兴茂副教授“塞缪尔”说。 Zachry 土木与环境工程系。“给你一个想法，单是银纳米粒子就可以有数百种不同的尺寸、形状和表面涂层，因此，对每一种进行实验测试，即使是针对单一植物物种，也是不切实际的。”

相反，在他们的研究中，研究人员选择了两种不同的机器学习算法，人工神经网络和基因表达编程。他们首先在一个数据库上训练这些算法，该数据库是根据过去对不同金属纳米粒子及其积累的特定植物的研究而创建的。特别是，他们的数据库包含不同纳米粒子的大小、形状和其他特征，以及这些粒子有多少从土壤或富含营养的水中吸收到植物体内的信息。

一旦经过训练，他们的机器学习算法就可以正确预测给定金属纳米颗粒在植物物种中积累的可能性。此外，他们的算法表明，当植物处于营养丰富或水培的溶液中时，金属纳米颗粒的化学组成决定了根和芽中积累的倾向。但如果植物在土壤中生长，土壤中有机质和粘土的含量是纳米颗粒吸收的关键。

马说，虽然机器学习算法可以对大多数粮食作物和陆生植物进行预测，但它们可能还没有为水生植物做好准备。他还指出，他研究的下一步将是研究机器学习算法是否可以预测纳米颗粒从叶子而不是通过根部的吸收。

“人们担心他们的水果、蔬菜和谷物中存在纳米粒子是完全可以理解的，”马说。“但与其完全不使用纳米技术，我们希望农民能够获得这项技术提供的许多好处，同时避免潜在的食品安全问题。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！