Interpretable machine learning reveals biochar-specific hydraulic predictors of plant microbial fuel cell performance under unsaturated soil conditions

تخيل التربة تحت قدميك ليس مجرد تراب، بل كمدينة صاخبة وغير مرئية. في هذه المدينة، النباتات الصغيرة هي محطات الطاقة، تمتص ضوء الشمس وترسل وجبات سكرية حلوة إلى جذورها. وفي أعماق التربة، يعمل عمال مجهريون — البكتيريا — الذين يتغذون على هذه الوجبات، وفي هذه العملية، يطلقون شرارات كهربائية صغيرة. عندما نبني جهازًا خاصًا لالتقاط هذه الشرارات، نحصل على "خلية الوقاء الميكروبية النباتية" (PMFC). فكر في الأمر كبطارية حية تعمل على التمثيل الضوئي والتراب. لكن الجزء الصعب هنا هو أن هذه البطارية الحية تعمل في تربة ليست مشبعة دائمًا مثل الإسفنجة. فبينما تجف التربة، تتغير "الطرق" التي تسلكها الكهرباء، مما يؤدي إلى تذبذب إنتاج الطاقة بشكل كبير. لقد حاول العلماء إصلاح ذلك بخلط "الفحم الحيوي" (Biochar) — وهو أساسًا فحم مصنوع من النباتات — في التربة، آملين أن يعمل كإسفنجة أو طريق سريع للحفاظ على تدفق الكهرباء. لكن التربة مكان فوضوي ومتغير، وكان تحديد كيفية عمل الماء والفحم والبكتيريا معًا لإنتاج الطاقة بمثلة دقيقة بمثابة لعبة تخمين.

وهنا تدخل فريق من الباحثين بأداة جديدة: عقل حاسوبي فائق الذكاء يسمى "تعلم الآلة". فبدلاً من مجرد النظر إلى رسوم بيانية بسيطة، قاموا بتغذية حاسوبهم بكمية هائلة من البيانات من تجربة تركوا فيها التربة تجف ببطء، يومًا بعد يوم. أرادوا معرفة ما إذا كان بإمكان الحاسوب تعلم القواعد السرية لكيفية تنبؤ مستويات المياه في التربة ونوع الفحم الحيوي المستخدم بكمية الكهرباء التي ستنتجها البطارية النباتية. لم يرغبوا فقط في التخمين؛ بل أرادوا معرفة أي العوامل هي "الرؤساء" الحقيقيون للنظام.

التجربة: سباق ضد جفاف التربة

أعد الباحثون سباقًا مختبريًا صغيرًا. قاموا بزراعة نبات مائي شائع يسمى (Hydrocotyle vulgaris) في أوعية من التربة. بعض الأوعية كانت تحتوي على تربة عادية (مجموعة الضبط)، بينما احتوت أخرى على مزيج خاص: تربة ممزوجة بنسبة 5% من الفحم الحيوي المصنوع من ثلاثة مصادر مختلفة: خشب التفاح، وقش الذرة، وقش القصب. تركوا النباتات تنمو لمدة أربعة أسابيع حتى استقرت الكهرباء، ثم توقفوا عن الري.

ومع بدء جفاف التربة بشكل طبيعي، لعب الباحثون دور المحققين، حيث سجلوا البيانات كل 8 ساعات. تتبعوا درجة الحرارة، والرطوبة، وكمية المياه المتبقية في التربة، ومدى صعوبة حركة الماء (وهو مفهوم يسمى "الامتصاص الماتريسي" أو Matric Suction، وهو يشبه "مستوى عطش" التربة). والأهم من ذلك، قاموا بقياس الكهرباء: الجهد (الدفع)، والتيار (التدفق)، والقدرة (إجمالي العمل المنجز).

عمل المحقق الحاسوبي

لتحليل هذا الفيض من الأرقام، استخدم الفريق سبعة أنواع مختلفة من نماذج تعلم الآلة. فكر في هذه النماذج كأنواع مختلفة من المحققين: بعضها يبحث عن الخطوط المستقيمة، وبعضها يبحث عن التجمعات، وبعضها (مثل "الغابة العشوائية" أو Random Forest) يشبه فريقًا من الخبراء يصوتون على الإجابة. كان عليهم أن يكونوا حذرين للغاية لتجنب إدخال التحيز. وبما أن التربة جفت بمرور الوقت، فإن بيانات اليوم تشبه جدًا بيانات الأمس. لذا، إذا سمحوا للحاسوب بـ "إلقاء نظرة" على بيانات الغد أثناء التعلم اليوم، فسيؤدي ذلك إلى إدخال التحيز. لذلك، استخدموا طريقة "الكتل" (Blocked Method) الخاصة، حيث يتم تدريب الحاسوب على جزء زمني معين واختباره على جزء لاحق، مما يضمن أن النموذج يتعلم أنماطًا حقيقية، وليس مجرد حيل للذاكرة.

النتائج الكبرى: ما الذي يهم حقًا؟

كشف تحقيق الحاسوب عن حقائق مفاجئة حول كيفية عمل هذه البطاريات الحية.

1. "الدفع" و"القدرة" هما الأسهل في التنبؤ.
كان الحاسوب بارعًا في تخمين الجهد الكهربائي (دفع الجهد) وكثافة القدرة (إجمالي مخرجات الطاقة). فقد أصاب في حوالي 60% من الجهد و 58% من القدرة. ومع ذلك، واجه صعوبة في التنبؤ بـ التيار (التدفق) والمقاومة (صعوبة التدفق). يبدو أن "الدفع" و"القدرة" النهائية يتبعان قواعد أكثر وضوحًا من التفاصيل الفوضوية لكيفية تحرك الإلكترونات في أي ثانية واحدة.

2. "عطش" التربة هو دليل رئيسي.
من بين جميع قياسات المياه، وجد الحاسوب أن الامتصاص الماتريسي (عطش التربة أو مدى تمسكها بالماء) كان أهم متغير مستمر للتنبؤ. لم يكن الأمر يتعلق فقط بكمية الماء الموجودة (المحتوى المائي الحجمي)، بل بمدى شدة سحب التربة لذلك الماء. ومع زيادة عطش التربة، تغيرت الكهرباء بطريقة استطاع الحاسوب تتبعها.

3. بطل "قش القصب".
عندما تعلق الأمر بنوع الفحم الحيوي، حدد الحاسوب معامل فحم قش القصب كأقوى متغير تنبؤي منفرد. هذا المزيج المحدد أنتج أعلى قدر من الكهرباء. تعلم الحاسوب أنه إذا كانت التربة تحتوي على فحم قش القصب، فيمكنه توقع مخرجات طاقة أعلى بكما لو كانت تحتوي على خشب التفاح أو قش الذرة. في الواقع، كان معامل قش القصب متميزًا جدًا لدرجة أن الحاسوب احتاج لمعرفة "أي فريق" تنتمي إليه التربة ليتمكن من تقديم تخمين جيد.

4. "الفريق" يهم أكثر من "اللاعبين".
نظر الباحثون أيضًا إلى البكتيريا التي تعيش في التربة باستخدام تسلسل الحمض النووي (DNA). ووجدوا أن البكتيريا في تربة قش القصب كانت متنوعة للغاية، بينما احتوت تربة خشب التفاح على الكثير من البكتيريا "النجمة" المحددة. ولكن إليكم المفاجأة: البكتيريا الأكثر وفرة لم تكن دائمًا هي الأكثر إنتاجًا للكهرباء. لم يستخدم الحاسوب البكتيريا كمؤشر مباشر لأن بيانات الحمض النووي تم أخذها في النهاية فقط، وليس كل 8 ساعات. ومع ذلك، تشير البيانات إلى أن هيكل المجتمع العام (مدى تنوع مدينة البكتيريا) قد يكون أكثر أهمًا للقدرة من مجرد وجود بعض "البكتيريا الخارقة" المحددة.

الحدود: ما الذي "لم يستطع" الحاسوب فعله

كما استبعدت الدراسة بعض الأمور. لم يكن الحاسوب قادرًا على التنبؤ بكهرباء نوع جديد من الفحم الحيوي لم يره من قبل. فعندما حاول الباحثون اختبار النموذج على نوع فحم لم يتعلمه (عن طريق إخفاء نوع واحد أثناء التدريب)، فشل النموذج، وأعطى درجات دقة سالبة. هذا يعني أن الحاسوب تعلم "شخصية" أنواع الفحم الحيوي المحددة التي رآها، لكنه لم يتعلم القوانين العالمية للفيزياء التي تنطبق على أي فحم حيوي آخر. إنه يشبه طالبًا حفظ الإجابات لاختبار معين، لكنه لا يستطيع حل مسألة جديدة بأرقام مختلفة.

الخلاصة

إذًا، ماذا يعني هذا لمستقبل البطاريات الحية؟ تشير الدراسة إلى أنه إذا كنت ترغب في بناء جهاز يعمل بالطاقة النباتية في تربة جافة، فلا يمكنك مجرد التخمين. يجب أن تعرف بالضبط مدى عطش التربة (الامتصاص الماتريسي) ونوع الفحم الحيوي الذي تستخدمه. يبدو أن فحم "قش القصب" هو الفائز في الحفاظ على تدفق الكهرباء، ويرجع ذلك على الأرجوت إلى قدرته على الاحتفاظ بالماء والأيونات بطريقة تبقي العمال البكتيريين سعداء والطرق الكهربائية مفتوحة.

وعلى الرغم من أن النماذج الحاسوبية ليست مثالية بعد — فهي لا تستطيع التنبؤ بالمستقبل بدقة 100% — إلا أنها أعطتنا خريطة أوضح للتضاريس. إنها تظهر لنا أن العلاقة بين الماء والتربة والكهرباء معقدة وغير خطية، ولكن مع الأدوات الصحيحة، يمكننا البدء في فهم قواعد محطة الطاقة الحية والمتنفسة هذه. الخطوة التالية للعلماء هي استبدال "تسميات الفرق" بلقياسات محددة لخصائص الفحم الحيوي، حتى يتمكن الحاسوب من تعلم القواعد العالمية ويساعدنا في بناء بطاريات أفضل وأكثر خضرة للعالم.