Investigação sobre a utilização de IA quântica para a previsão de rendimento de cultivos

AgrarIA: Investigación en el uso de IA cuántica para la predicción de rendimiento de cultivos

A previsão do rendimento de cultivos é fundamental na tomada de decisões a nível local, regional e global, já que permite garantir o fornecimento de alimentos. O rendimento futuro de um campo de cultivo não só ajuda o agricultor a tomar decisões económicas e de gestão informadas como também ajuda as nações nos seus esforços de combate à fome.

No projeto AgrarIA, estamos a trabalhar numa prova de conceito para a previsão do rendimento de cultivos agrícolas usando computação quântica. O objetivo deste piloto, que está a ser levado a cabo pela GMV e pelo CSIC, é processar imagens de satélite para desenvolver um preditor para o rendimento de cultivos baseado em aprendizagem automática quântica, ou QML (do inglês, Quantum Machine Learning).

Para levar a cabo esta prova de conceito, usar-se-á um conjunto pré-processado de dados de imagens de satélite públicas, desenvolver-se-á um preditor baseado em QML, e realizar-se-á a avaliação e interpretação de resultados. Além disso, o modelo de previsão será também alargado ao incorporar outros dados: clima, imagem multi-espetral, dados de risco, etc.

«Neste processo faremos comparações entre as previsões obtidas pelos modelos quânticos com o estado clássico da arte. Isto permitir-nos-á explorar novos métodos para incorporar informações de imagens em algoritmos quânticos, assim como novos paradigmas de aprendizagem automática quântica e de inspiração quântica, ao mesmo tempo que avançamos o estado da arte da IA em agricultura», explicam Ángela Ribeiro e Juan José García Ripoll, investigadores do CSIC.

Na agricultura, procura-se o constante desenvolvimento de ferramentas que ajudem a gerir o cultivo e que possam chegar a realizar previsões das condições meteorológicas que influenciarão o cultivo, para implementar sistemas muito mais eficazes e adaptados.

Em que consiste o projeto AgrarIA?

O AgrarIA é um projeto liderado pela GMV e financiado pelo Programa Missões de I+D em Inteligência Artificial da Secretaria de Estado de Digitalização e Inteligência Artificial (SEDIA) do Ministério de Assuntos Económicos e Transformação Digital correspondente aos fundos do Plano de Recuperação, Resiliência e Transformação. Trata-se de um projeto que procura investigar a aplicabilidade e viabilidade da Inteligência Artificial (IA), juntamente com outras tecnologias relacionadas com a Indústria 4.0, em soluções reais para definir novos métodos de produção agrícola que tornarão o setor agro-alimentar espanhol mais tecnológico, inovador, sustentável e empenhado na eficiência energética e na diminuição da pegada de carbono.

O consórcio envolve 24 entidades entre grandes empresas, PME e centros de investigação com o interesse comum de fortalecer a produtividade do setor agroalimentar espanhol através de atividades de I+D. As empresas de engenharia e tecnologia (1A Ingenieros, Agerpix, Codesian Software Tech, Celtiberian Solutions, Dronetools, Emergya Grupo, GMV, HelixNorth, Hispatec, I-Solagua, LB-Bagging, Secmotic e TEPRO); as produtoras e transformadoras (Familia Torres e Florette Ibérica); as biotecnológicas (Sylentis e Kimitec) e as distribuidoras (Casa Ametller do Grupo Ametller Origen, Kivnon Logística e Primafrio) que contam com o apoio de dois organismos de investigação (CSIC e ITCL) e de duas universidades públicas (Universidad de Salamanca e o Departamento de Geografia Física e Análise Geográfica Regional da Universidade de Sevilha).

Sobre o CSIC

O Conselho Superior de Investigações Científicas (CSIC) é o maior organismo público de investigação em Espanha, o quarto na Europa e o sétimo a nível mundial. O CSIC tem como missão o fomento, a coordenação, o desenvolvimento e a difusão da investigação científica e tecnológica, com o fim de contribuir para o avanço do conhecimento e para o desenvolvimento económico, social e cultural.

Sector
Not show on Home
Inactiu

Source URL: https://www.gmv.com/comunicacao/noticias/investigacao-sobre-utilizacao-de-ia-quantica-para-previsao-de-rendimento-de