Resumen del desafío
Actualmente, la accesibilidad y usabilidad de los datos sobre los clones y variedades avanzados del programa de mejoramiento del CIP disponibles para su distribución con fines de mejoramiento e investigación por parte de clientes externos son limitadas, lo que dificulta los procesos eficientes de selección de germoplasma. Los datos sobre las variedades disponibles y los clones avanzados no son de fácil acceso ni están estandarizados, lo que genera ineficiencias en el análisis y la selección por parte de los obtentores individuales. Además, el catálogo de germoplasma disponible está incompleto y los usuarios no pueden acceder a él en línea, lo que agrava la dificultad de identificar y seleccionar materiales candidatos adecuados. Como resultado, los investigadores, mejoradores y agricultores enfrentan barreras para acceder y evaluar germoplasma potencial para sus programas de mejoramiento y prácticas agrícolas.
Los participantes del hackathon tienen la tarea de abordar estos desafíos completando los conjuntos de datos para los catálogos de papa y camote y desarrollando modelos predictivos para una selección eficiente de germoplasma. La solución debería permitir a los usuarios acceder en línea a datos completos y estandarizados sobre variedades disponibles y clones avanzados, facilitando la toma de decisiones informadas y agilizando el proceso de selección. Además, se anima a los participantes a integrar el modelo predictivo con el proceso de pedidos al banco de germoplasma del CIP, mejorando la economía, la eficiencia y la eficacia de la selección de germoplasma para investigadores, mejoradores y agricultores.
- Utilizar técnicas de procesamiento del lenguaje natural (PLN) para extraer y estandarizar información de diversas fuentes, como artículos de investigación, informes de mejoramiento y bases de datos, para completar los conjuntos de datos para los catálogos de papa y camote.
- Aplicar algoritmos de aprendizaje automático para identificar y resolver inconsistencias o datos faltantes en los catálogos, asegurando precisión e integridad.
- Desarrollar modelos de aprendizaje automático capacitados por medio de datos históricos de mejoramiento para predecir el desempeño y la idoneidad de diferentes germoplasmas para objetivos de mejoramiento específicos, considerando características como el rendimiento, la resistencia a enfermedades y la calidad nutricional.
- Incorporar datos geoespaciales y factores ambientales para mejorar la precisión y solidez del modelo predictivo, permitiendo a los usuarios identificar germoplasma adaptado a diversas condiciones agroecológicas.
- Implementar una interfaz de programación de aplicaciones (API) para conectar perfectamente el modelo predictivo con el proceso de pedidos al Banco Genético del CIP, permitiendo a los usuarios solicitar y acceder directamente al germoplasma recomendado según sus objetivos de mejoramiento y condiciones ambientales.
- Utilizar técnicas de aprendizaje por refuerzo para mejorar continuamente el rendimiento y la adaptabilidad del modelo predictivo en función de los comentarios de los usuarios y los resultados de las selecciones de germoplasma.
El mejoramiento de cultivos, comúnmente conocido como fitomejoramiento, es una práctica fundamental en la agricultura destinada a desarrollar nuevas variedades de cultivos con características deseables como mayores rendimientos, resiliencia al estrés ambiental, mayor contenido nutricional y resistencia a plagas y enfermedades. Mediante técnicas de reproducción selectiva, los fitomejoradores trabajan para combinar los rasgos deseados de diferentes variedades de cultivos o parientes silvestres para crear una descendencia superior. Estas nuevas variedades se prueban y evalúan rigurosamente para determinar su rendimiento en diversas condiciones antes de entregarlas a los agricultores para su cultivo. Los esfuerzos de mejoramiento de cultivos desempeñan un papel fundamental para aumentar la productividad agrícola, garantizar la seguridad alimentaria y abordar desafíos globales como el cambio climático, la pobreza, la desnutrición y la pérdida de biodiversidad. Los programas de mejoramiento pueden generar ganancias significativas en múltiples áreas de impacto, incluyendo la adaptabilidad y resiliencia climática, el alivio de la pobreza, la inclusión de género, la conservación de la biodiversidad y la mejora de la nutrición.
Al aprovechar las soluciones impulsadas por la IA para completar conjuntos de datos, al desarrollar modelos predictivos y al integrarse con el proceso de pedidos al banco de germoplasma del CIP, los participantes del hackathon pueden mejorar la accesibilidad, la eficiencia y la eficacia en la selección de germoplasma de cultivos, lo que en última instancia capacita a los investigadores, a los fitomejoradores y a los agricultores para que tomen decisiones informadas. y promuevan la innovación agrícola.
