Ученые из Корнеллского университета в США разработали нейросеть BINN, которая моделирует накопление органического углерода в почве. По данным исследователей, новая модель работает примерно в 50 раз быстрее существующих аналогов, не уступая им в точности прогнозов.
Работа, опубликованная в журнале Geoscientific Model Development, посвящена ключевому элементу глобального углеродного цикла. В почвах сосредоточено около трех четвертей всего углерода на суше – больше, чем в атмосфере и биомассе растений вместе взятых. Однако скорость и механизмы, благодаря которым органические вещества преобразуются в стабильные соединения углерода в почве, до сих пор плохо поддаются количественной оценке.
Большинство применяемых в науке нейросетей анализируют уже имеющиеся данные и выявляют в них закономерности. Принцип работы BINN отличается: модель способна прогнозировать еще не изученные процессы и определять влияющие на них факторы. Таким образом, нейросеть не просто сопоставляет известные корреляции, а изучает биологически значимые динамические процессы, помогая понять их внутреннюю механику.
По словам авторов, модель проста в использовании и может применяться учеными из разных дисциплин. Это позволит проверять научные гипотезы быстрее и с меньшими вычислительными затратами. В ходе тестов на данных по всей континентальной части США нейросеть BINN показала результаты, сопоставимые с традиционными моделями, но при этом продемонстрировала меньшие географические погрешности в расчетах.
Высокая скорость и точность моделирования делают более доступными масштабные оценки запасов почвенного углерода. Это может ускорить исследования в области изменения климата и землепользования, а также открывает возможности для создания нового поколения моделей земной системы, которые объединяют нейровычисления и знания в области биогеохимии.