Фото: із відкритих джерел
Стартап Pomona AI розгорнув у дослідницькій теплиці KIST прототип із 10 автономних модулів, щоб одночасно вести більше варіантів контрольованих умов вирощування. Платформа поєднує керування середовищем, збір даних із сенсорів і локальне зберігання результатів.
Про це повідомляє сайт Аграрії разом з посиланням на Hortidaily.
У контрольованих експериментах із рослинами дослідники часто обмежуються кількома варіантами умов, тоді як для перевірки гіпотез інколи потрібні десятки паралельних «режимів». Стартап Pomona AI (заснований у Сеулі у 2025 році) розробляє інтегровану апаратно-програмну систему, яка має спростити запуск великої кількості контрольованих обробок одночасно.
«Коли дивишся на наукові статті з контрольованими експериментами, більшість із них тестують дві або чотири варіації середовища, і рідко бачиш десять або більше. Ми хочемо це змінити», — каже співзасновник і CEO Pomona AI Ерік Шин.
Пілот у KIST: 10 автономних модулів у межах однієї теплиці
Перший прототип Pomona AI розгорнули в Korea Institute of Science and Technology (KIST). Інсталяція складається з 10 окремих апаратних блоків, встановлених усередині більшої дослідницької теплиці. Кожен блок має приблизно 1 м у кожному вимірі та може вміщувати кілька рослин залежно від їхнього розміру. Оскільки модулі керуються незалежно, дослідники можуть створювати 10 різних варіантів середовища замість вирощування всіх рослин в одному режимі.
Наразі прототип підтримує експерименти, де змінними обробки є температура та фотоперіод. Дослідники задають цільові уставки та розклади через вебінтерфейс, а програмне забезпечення перетворює їх на команди керування для кожного модуля.
Що саме контролюється і що планують додати
За даними компанії, температура та освітлення вже можуть керуватися автоматично. Керування зрошенням планують зробити доступним у IV кварталі, а контроль вологості та CO2 — запустити наступного року.
Від «заданих уставок» до фактично реалізованих умов
Окремий акцент у підході Pomona AI — фіксація не лише запрограмованих параметрів, а й того, які умови реально формуються всередині експериментального простору. У матеріалі зазначається, що навіть за однакових уставок температури в двох модулях умови можуть відрізнятися через різницю в обладнанні, розташуванні та впливі навколишньої інфраструктури, а також через біологічну варіативність між рослинами.
«Наш підхід — дати дослідникам високороздільний погляд на реалізоване середовище в їхніх експериментальних просторах. Це може допомогти краще пояснювати відмінності в результатах і відокремлювати біологічну варіацію від “шуму” середовища», — пояснює Ерік Шин.
Компанія також планує з часом використовувати накопичені дані для вдосконалення конструкції, зменшення небажаної варіативності та підвищення відтворюваності умов між різними модулями й майданчиками.
Технічні характеристики та параметри
- Конфігурація прототипу: 10 окремих апаратних модулів у дослідницькій теплиці KIST.
- Габарити одного модуля: приблизно 1 м × 1 м × 1 м.
- Поточні змінні обробки (treatments): температура та фотоперіод.
- Автоматичне керування: температура та освітлення.
- Заплановані функції керування: зрошення — у IV кварталі; вологість і CO2 — наступного року.
- Підтримувані сенсори/параметри моніторингу: температура, вологість, світло, CO2; конфігурацію сенсорів можна змінювати під конкретний експеримент.
- Інтерфейси контролера для сенсорів: I2C, RS485 та аналогові входи.
- Доступ до даних: через дашборд; передбачені локальний хостинг і зберігання, щоб експерименти та доступ до даних не залежали від постійного інтернету або хмари.
Модульність і інтеграції: сенсори, фенотипування, сторонні пристрої
Система задумана як модульна: сенсори можна замінювати та додавати залежно від завдання, а дані відображаються в дашборді. Наступним напрямом розвитку компанія називає інтеграцію сторонніх систем — зокрема пристроїв для вимірювання рослин і фенотипування, а також іншого обладнання для керування середовищем. Окремо згадується намір інтегрувати спеціалізовані системи для моніторингу рослин і виявлення стресу, щоб поєднувати показники реакції рослин в одному наборі даних із параметрами середовища та керування.
Масштабування та подальші випробування
Архітектуру платформи розробляють із прицілом на керування десятками, а згодом — сотнями модулів одночасно. Команда зосереджується на інфраструктурі для надійного виконання великої кількості експериментів і на інструментах для проєктування та аналізу складніших схем дослідів. У перспективі компанія планує рухатися до рекомендацій, які обробки варто тестувати далі, а в довшому горизонті — до «замкненого циклу» навчання, коли результати експериментів допомагають формувати дизайн наступних.
За інформацією з матеріалу, 10-модульна інсталяція в KIST працює понад шість місяців, а зібрані дані використовують для постійного вдосконалення системи. Компанія готує валідаційні експерименти з університетською командою з садівництва в Кореї, перші результати очікують пізніше цього року. Також Pomona AI обговорює потенційні пілотні проєкти з академічними лабораторіями, дослідницькими інститутами та комерційними R&D-командами в Європі та Північній Америці. Серед напрямів інтересу згадуються селекційні програми — зокрема глибша характеристика реакції генотипу на умови середовища та скринінг нових сортів.
Для аграрного R&D такі системи можуть бути корисними там, де важливо паралельно порівнювати багато режимів мікроклімату та мати детальний запис фактично реалізованих умов — наприклад, у дослідженнях стійкості до стресів, оптимізації режимів вирощування та під час випробувань матеріалу в селекції.