디지털 농업을 위한 클로즈드-루프 LLM 공동 조종기

이 연구에서는 대규모 언어 모델(LLMs)을 복잡한 생물학적 시스템에 적용하여 데이터 분석에서 자율 AI로의 실험을 진화시켰다. 이 프레임워크는 49 채널의 식물 센서 네트워크의 데이터를 기반으로 하며, 다중 스펙트럼, 전기화학적, 및 이온화 모드 등 다양한 모드를 포함한다. 시스템의 실시간 자연 언어 해석 기능을 통해 전문가와 비전문가 모두에게 접근성을 높였다. 그러나 시스템의 핵심 장점은 인간의 참여가 필요없는 분석에서 자율 제어로의 전환이다. 생물 물리학 데이터를 처리하여 식물 생리학을 평가하고 하드웨어 액추에이터를 사용하여 미세기후 조절, 형태학적 프로토콜 수행, 또는 제어된 스트레스 시나리오를 유도한다. 이 폐쇄형 아키텍처는 AI 생물학 인터페이스를establish하는 데 도움이되며, 복잡한 생물학적 시스템과 생태학을 데이터 주도적으로 탐색할 수 있도록 한다. 이 프레임워크는 3 가지 사례 연구를 통해 검증되었으며, 수직 농장과 단일 식물 설정을 기반으로 하여 식물 생리학의 미세하고 거대한 변동을 해독했다. 제품 규모 배포에서 agent들은 biomass 축적, chlorophyll 함량, 및 에너지 소비를 동등하게 조정하는 다중 매개 변수 최적화 작업을 수행했다. LLM은 생물 센서 전송 데이터를 사용하여 450 nm 및 660 nm의 전광을 2 시간 간격으로 조정했다. 주기적 제어와 비교했을 때, 시스템은 최소 시간 모드에서 생산 주기 시간을 35% 줄였으며, 에너지 최적화 모드에서 에너지 소비를 18% 줄였지만, 미세 기후 조절 시간이 약간 증가했다. 마지막으로 agent들은 불쏘시개에 의한 chlorophyll 축적을 유도하는 전략을 자율적으로 개발하여, 에너지 절약을 67.9% 높였다. 이 프레임워크는 LLM을 디지털 농업의 자율 동반자로 변환하여 비용 대 가치 비율을 높이고 계산 및 전문가 노동 제약을 줄였다.