המאמר, שכותרתו Machine learning–based decision support for harvest optimization in commercial microalgae photobioreactors: A field validation study, מציג מודל המשלב נתוני ייצור, נתוני מזג אוויר ונתונים ביולוגיים־מורפולוגיים שנאספו לאורך שלוש שנים, במטרה לחזות את מצב התרבית ולהמליץ על אסטרטגיית הקציר המתאימה.
מיקרו־אצות נחשבות למשאב בעל פוטנציאל משמעותי בתחומי המזון, האנרגיה, הקיימות והביוטכנולוגיה, אך ניהול הגידול שלהן מושפע ממגוון רחב של גורמים סביבתיים וביולוגיים. המערכת שפותחה במסגרת המחקר נבחנה בתנאי שדה מסחריים בחוות BarAlgae והצליחה להגיע לרמת דיוק דומה לזו של מומחים אנושיים, תוך שיפור היציבות והפחתת התנודתיות בתהליך הייצור.
ממצאי המחקר מדגימים כיצד כלי בינה מלאכותית יכולים להשתלב בתהליכי קבלת החלטות במערכות ביולוגיות מורכבות ולתרום לשיפור היעילות והקיימות של תהליכי ייצור מבוססי מיקרו־אצות. המחקר משקף את החיבור בין ביולוגיה ימית, ביוטכנולוגיה, מדעי הנתונים ובינה מלאכותית, ומדגים את הפוטנציאל הטמון בשיתופי פעולה בין האקדמיה לתעשייה.
ברכות לאפרת קדוש ולשותפיה למחקר על הפרסום וההישג המרשים.
