Learning Parametric Nitrogen Fertilizer Response Curves Using Neuro Symbolic Regression

Resumen Técnico: Aprendizaje de Curvas de Respuesta Paramétrica al Nitrógeno mediante Regresión Neuro-Simbólica

Planteamiento del Problema
Modelar con precisión la respuesta de los cultivos a la fertilización con Nitrógeno (N) es un desafío crítico en la agricultura de precisión (PA), lo que impacta directamente en los rendimientos económicos y la sostenibilidad ambiental. Las metodologías actuales enfrentan una dicotomía: o bien dependen de formas paramétricas predefinidas (por ejemplo, funciones cuadráticas-plateau o exponenciales) que pueden no capturar dinámicas complejas y específicas de cada sitio, o bien utilizan modelos de aprendizaje automático opacos (como las redes neuronales profundas) que carecen de interpretabilidad. Además, los datos agrícolas suelen ser dispersos y están sujetos a incertidumbre epistémica, lo que dificulta el descubrimiento de relaciones funcionales robustas sin sobreajustarse al ruido o a lagunas de datos localizadas. El objetivo específico de este trabajo es destilar curvas de respuesta al N, paramétricas y específicas de cada sitio, a partir de modelos opacos sin asumir una forma funcional predefinida, permitiendo así el descubrimiento de ecuaciones matemáticas que caractericen la relación entre las tasas de fertilización con N y el rendimiento del cultivo dentro de Zonas de Manejo (MZ) específicas.

Metodología
Los autores proponen un marco de Regresión Neuro-Simbólica (SR) basado en SeTGAP (Regresión Simbólica utilizando Transformers, Algoritmos Genéticos y Programación Genética). El enfoque se descompone en dos fases primarias:

1. Predicción de Esqueleto Simbólico Multi-Conjunto (MSSP):
   Para abordar la incertidumbre epistémica y la escasez de datos, el método emplea una estrategia de Multi-Set Transformer. En lugar de entrenar en un solo conjunto de datos, el algoritmo construye una colección de subconjuntos distintos ($D = \{D^{(1)}, \dots, D^{(N_S)}\}$) mediante el muestreo aleatorio de subregiones del dominio de entrada.

   • Validación Sintética 1-D: En la fase inicial, el método genera múltiples subconjuntos a partir de una curva 1-D. El Multi-Set Transformer, preentrenado en un corpus de expresiones simbólicas, predice un "esqueleto simbólico" (una representación abstracta con marcadores de posición para constantes) que captura la estructura funcional compartida a través de estos subconjuntos. Esta diversidad ayuda al modelo a ignorar el ruido localizado y a recuperar la forma funcional subyacente.
   • Aplicación en el Mundo Real: Para el caso de estudio del trigo de invierno, la estrategia se adapta para manejar múltiples curvas de respuesta al N dentro de una Zona de Manejo específica ($R_z$). El algoritmo selecciona $N_S$ curvas distintas de la zona, muestrea subconjuntos de cada una y genera esqueletos candidatos que se generalizan a través de las diversas curvas dentro de esa zona.

2. Ajuste de Parámetros y Optimización:
   Una vez identificado un esqueleto simbólico, las constantes de los marcadores de posición se ajustan a los datos observados utilizando un Algoritmo Genético (GA). El proceso itera para minimizar el Error Cuadrático Medio (MSE) entre la expresión ajustada y los valores objetivo. El resultado final es una ecuación matemática compacta e interpretable.

Contribuciones Clave

• Marco Neuro-Simbólico para PA: El artículo introduce una aplicación novedosa de SeTGAP para extraer curvas de respuesta al N a partir de predicciones de Redes Neuronales (NN) opacas, yendo más allá de las predicciones de caja negra hacia modelos matemáticos interpretables.
• Estrategia Multi-Conjunto para la Incertidumbre: Una contribución específica es la adaptación de MSSP para manejar la incertidumbre epistémica. Al imponer consistencia a través de diversos subconjuntos de entrada (o curvas distintas dentro de una MZ), el método recupera esqueletos robustos incluso en regímenes de escasez de datos, evitando el sobreajuste de anomalías impulsadas por el ruido.
• Descubrimiento Funcional Específico de la Zona: El trabajo demuestra la viabilidad de aprender formas funcionales distintas para diferentes Zonas de Manejo dentro de un mismo campo, desafiando la suposición tradicional de que una única forma paramétrica se aplica a todo un campo.

Resultados Experimentales
El estudio evalúa el enfoque en dos etapas:

1. Problemas Sintéticos 1-D: El método fue probado en problemas sintéticos (cos, hetero, cosqr) con ruido heterocedástico bajo un marco de Muestreo Adaptativo (AS). Los resultados mostraron que, si bien las iteraciones tempranas con datos dispersos produjeron expresiones inestables o con sobreajuste, los modelos simbólicos se estabilizaron y convergieron a las formas funcionales correctas (por ejemplo, identificando $10 - 5\sin(x)$) a medida que el proceso de AS reducía la incertidumbre. El método recuperó con éxito las expresiones correctas incluso cuando las predicciones de la NN exhibían imprecisiones locales debido a la escasez de datos.
2. Caso de Estudio de Trigo de Invierno (Campo A): El método se aplicó a datos reales de un campo de trigo de invierno dividido en cuatro MZ. Las expresiones simbólicas descubiertas se compararon con los modelos tradicionales de cuadrática-plateau y exponencial.
   • Precisión: Las expresiones derivadas de SeTGAP lograron errores cuadráticos medios (MSE) más bajos que los modelos tradicionales en todas las cuatro MZ. Por ejemplo, en la MZ 2, el error de SeTGAP fue de 0.0355 frente al 0.0725 del modelo cuadrático-plateau.
   • Diversidad: El método identificó con éxito diferentes formas funcionales para distintas zonas (por ejemplo, una forma de tangente hiperbólica para la MZ 1 y 2, una forma lineal modulada por coseno para la MZ 3, y una forma exponencial-senoidal para la MZ 4), reflejando la variabilidad espacial del suelo y el terreno.

Significancia y Reivindicaciones
Los autores afirman que este trabajo demuestra el potencial de la regresión neuro-simbólica para permitir el descubrimiento de relaciones agronómicas específicas de cada sitio. Al reemplazar las costosas computacionalmente redes neuronales por ecuaciones ligeras e interpretables, el marco soporta optimizaciones multiobjetivo eficientes, como el cálculo de la Tasa Óptima Económica de Nitrógeno (EONR).

El artículo enmarca modestamente su contribución como una prueba de concepto. Reconoce que la estrategia de SR propuesta es una "solución ad hoc" diseñada para los desafíos específicos de la destilación de curvas de respuesta al N, en lugar de una metodología de SR de estado del arte general. Los autores enfatizan que, si bien los resultados en el Campo A muestran un potencial práctico, se requiere trabajo futuro para generalizar la estrategia a entornos de mayor dimensionalidad, formalizar la metodología y validar su robustez a través de múltiples campos, granjas y tipos de cultivos. El valor principal reside en proporcionar una alternativa interpretable y basada en datos a los modelos opacos que captura variaciones locales complejas sin necesidad de predefinir formas funcionales.