نانوتکنولوژی در سال های اخیر، تحولات بزرگی در زمینه افزایش بازده تولید محصولات کشاورزی ایجاد کرده است. در عین حال هشدارها در مورد خطرات ناشی از ورود نانوذرات به مواد غذایی و غلات رو به افزایش می باشد. نانوذرات می توانند از طریق آبیاری، کود و یا دیگر منابع وارد خاک شوند. حال این نگرانی وجود دارد که آیا میزان جذب این ذرات توسط گیاهان به اندازه ای است که سبب ایجاد اثر سمیت در مواد غذایی شود یا خیر.
در یک مطالعه جدید که در نشریه علوم و فناوری محیط زیست منتشر شده است، محققان دانشگاهA&M تگزاس، برای شناسایی خواصی از نانوذرات که سبب افزایش میزان جذب این مواد به گیاهان می شود، از الگوریتم یادگیری ماشین (Machine Learning)، استفاده کرده اند. این محققان معتقدند به الگوریتمی دست یافته اند که میزان تجمع نانوذرات در ریشه ها و شاخه های گیاهان را مشخص می کند.
استفاده از نانوذرات روند رو به رشدی را در زمینه های مختلف از جمله داروسازی و کشاورزی دارد. بسته به نوع نانوذره، برخی دارای بار سطحی، خاصیت مغناطیسی و ویژگی های سطحی مطلوبی می باشند که آن ها را برای بسیاری از کاربردها مناسب می سازد. برای مثال از نانوذرات می توان به عنوان یک ماده ضدمیکروب جهت حفاظت گیاهان از عوامل بیماری زا استفاده کرد. همچنین می توان از نانوذرات برای اتصال به کودها و حشره کش ها استفاده کرد تا به صورت آهسته، آزاد شده و میزان جذب آن ها توسط گیاه افزایش یابد.
این کاربردهای کشاورزی و دیگر عوامل مانند آبیاری می توانند سبب تجمع نانوذرات درون خاک شوند. اما با توجه به اینکه انواع گوناگون نانوذرات درون خاک وجود دارد و گونه های گیاهی، بسیار متنوع می باشند، نمی توان به وضوح مشخص کرد که آیا ویژگی خاصی در نانوذرات سبب افزایش میزان جذب آن ها توسط گونه های گیاهی می شود یا خیر.
به گفته ساموئل زینگمائو، دانشیار گروه مهندسی عمران و محیط زیست دانشگاه A&M ، شناسایی هر نانوذره در گونه های گیاهی نیازمند آزمایشات زیادی می باشد که بسیار زمان بر و پر هزینه است. برای مثال نانوذره نقره به تنهایی می تواند دارای صدها اندازه، شکل و پوشش های سطحی گوناگون باشد و آزمایش حضور این نانوذره حتی برای یک گونه گیاهی خاص نیز بسیار سخت و غیرعملی به نظر می آید.
با توجه به مشکلات ذکر شده، محققان در این مطالعه، از دو الگوریتم یادگیری ماشین جهت مطالعه میزان جذب نانوذرات استفاده کردند که شامل یک شبکه عصبی مصنوعی و یک برنامه‌نویسی بیان ژن می باشد. آنها در ابتدا این الگوریتم ها را بر روی یک پایگاه داده، که شامل نتایج تحقیقات گذشته در مورد نانوذرات فلزی و گیاهان مختلف بود، به اجرا گذاشتند. اطلاعات موجود در این پایگاه داده، شامل اندازه، شکل و دیگر ویژگی های نانوذرات، به همراه میزان جذب آنها از خاک و آب به درون گیاهان، می باشد.
الگوریتم های طراحی شده در این مطالعه می توانند احتمال جذب نانوذرات فلزی و تجمع آنها در گونه های گیاهی را به درستی پیش بینی کنند. این الگوریتم ها نشان می دهند که وقتی گیاهان در آب غنی شده با مواد مغزی یا محلول هیدروپونیک قرار می گیرند، ترکیب شیمیایی نانوذرات، تعیین کننده میزان گرایش آنها برای تجمع در ریشه و شاخه های گیاهان می باشد. اما اگر گیاهان درون خاک قرار داشته باشند، محتوای مواد آلی و میزان رس موجود در خاک، کنترل کننده میزان جذب نانوذرات می باشد.
به گفته ساموئل زینگمائو، اگرچه الگوریتم های یادگیری ماشین، می توانند برای بسیاری از گونه های گیاهی و محصولات غذایی به کار گرفته شوند، اما همچنان نمی توان از آنها برای گیاهان دریایی استفاده کرد. وی همچنین بیان کرد که مرحله بعدی این پژوهش، بررسی امکان پذیری پیش بینی جذب نانوذرات توسط برگ گیاهان، با استفاده از الگوریتم یادگیری ماشین می باشد.
وی در پایان بیان کرد که نگرانی های مردم در مورد وجود نانوذرات درون میوه ها، سبزیجات و غلات کاملا درست و قابل درک است اما هدف از این تحقیقات این است که به جای کنار گذاشتن کامل نانوتکنولوژی، هم کشاورزان از مزایای این دانش بهره مند شوند، هم از نگرانی های احتمالی ایمنی غذایی، جلوگیری به عمل آید.