Learning Parametric Nitrogen Fertilizer Response Curves Using Neuro Symbolic Regression

Resumo Técnico: Aprendizado de Curvas de Resposta Paramétrica ao Nitrogênio via Regressão Neuro-Simbólica

Definição do Problema
Modelar com precisão a resposta das culturas à fertilização com Nitrogênio (N) é um desafio crítico na agricultura de precisão (AP), impactando diretamente os retornos econômicos e a sustentabilidade ambiental. As metodologias atuais enfrentam uma dicotomia: ou dependem de formas paramétricas predefinidas (ex: funções quadráticas-platô ou exponenciais) que podem não capturar dinâmicas complexas e específicas de cada local, ou utilizam modelos de aprendizado de máquina opacos (como redes neurais profundas) que carecem de interpretabilidade. Além disso, os dados agrícolas são frequentemente esparsos e sujeitos a incertezas epistêmicas, tornando difícil a descoberta de relações funcionais robustas sem o risco de sobreajuste (overfitting) ao ruído ou a lacunas locais de dados. O objetivo específico deste trabalho é destilar curvas de resposta ao N, paramétricas e específicas de cada local, a partir de modelos opacos sem assumir uma forma funcional predefinida, permitindo assim a descoberta de equações matemáticas que caracterizam a relação entre as taxas de fertilizante N e o rendimento da cultura dentro de Zonas de Manejo (ZMs) específicas.

Metodologia
Os autores propõem uma estrutura de Regressão Neuro-Simbólica (SR) baseada em SeTGAP (Regressão Simbólica usando Transformers, Algoritmos Genéticos e Programação Genética). A abordagem é decomposta em duas fases primárias:

1. Predição de Esqueleto Simbólico Multi-Conjunto (MSSP):
   Para lidar com a incerteza epistêmica e a esparsidade de dados, o método emprega uma estratégia de Multi-Set Transformer. Em vez de treinar em um único conjunto de dados, o algoritmo constrói uma coleção de subconjuntos distintos de entrada ($D = \{D^{(1)}, \dots, D^{(N_S)}\}$) através da amostragem aleatória de subregiões do domínio de entrada.

   • Validação Sintética 1-D: Na fase inicial, o método gera múltiplos subconjuntos a partir de uma curva 1-D única. O Multi-Set Transformer, pré-treinado em um corpus de expressões simbólicas, prevê um "esqueleto simbólico" (uma representação abstrata com espaços reservados para constantes) que captura a estrutura funcional compartilhada entre esses subconjuntos. Essa diversidade ajuda o modelo a ignorar o ruído localizado e a recuperar a forma funcional subjacente.
   • Aplicação no Mundo Real: Para o estudo de caso do trigo de inverno, a estratégia é adaptada para lidar com múltiplas curvas de resposta ao N dentro de uma Zona de Manejo específica ($R_z$). O algoritmo seleciona $N_S$ curvas distintas dentro da zona, amostra subconjuntos de cada uma e gera esqueletos candidatos que se generalizam entre as diversas curvas daquela zona.

2. Ajuste de Parâmetros e Otimização:
   Uma vez identificado um esqueleto simbólico, as constantes dos espaços reservados são ajustadas aos dados observados utilizando um Algoritmo Genético (GA). O processo itera para minimizar o Erro Quadrático Médio (MSE) entre a expressão ajustada e os valores alvo. O resultado final é uma equação matemática compacta e interpretável.

Principais Contribuições

• Estrutura Neuro-Simbólica para AP: O artigo introduz uma aplicação inovadora do SeTGAP para extrair curvas de resposta ao N de predições de Redes Neurais (NN) opacas, indo além das predições de "caixa-preta" para modelos matemáticos interpretáveis.
• Estratégia Multi-Set para Incerteza: Uma contribuição específica é a adaptação do MSSP para lidar com a incerteza epistêmica. Ao impor consistência entre diversos subconjuntos de entrada (ou curvas distintas dentro de uma ZM), o método recupera esqueletos robustos mesmo em regimes de escassez de dados, evitando o sobreajuste de anomalias causadas por ruído.
• Descoberta Funcional Específica por Zona: O trabalho demonstra a viabilidade de aprender formas funcionais distintas para diferentes Zonas de Manejo dentro de um único campo, desafiando a suposição tradicional de que uma única forma paramétrica se aplica a todo o campo.

Resultos Experimentais
O estudo avalia a abordagem em dois estágios:

1. Problemas Sintéticos 1-D: O método foi testado em problemas sintéticos (cos, hetero, cosqr) com ruído heterocedástico sob uma estrutura de Amostragem Adaptativa (AS). Os resultados mostraram que, embora as iterações iniciais com dados esparsos tenham gerado expressões instáveis ou com sobreajuste, os modelos simbólicos estabilizaram-se e convergiram para as formas funcionais corretas (ex: identificando $10 - 5\sin(x)$) conforme o processo de AS reduzia a incerteza. O método recuperou com sucesso as expressões corretas mesmo quando as predições da NN exibiam imprecisões locais devido à escassez de dados.
2. Estudo de Caso de Trigo de Inverno (Campo A): O método foi aplicado a dados reais de um campo de trigo de inverno dividido em quatro ZMs. As expressões simbólicas descobertas foram comparadas com os modelos tradicionais de quadrática-platô e exponencial.
   • Acurácia: As expressões derivadas pelo SeTGAP alcançaram Erros Quadráticos Médios (MSE) menores do que os modelos tradicionais em todas as quatro ZMs. Por exemplo, na MZ 2, o erro do SeTGAP foi de 0,0355 comparado a 0,0725 do modelo quadrática-platô.
   • Diversidade: O método identificou com sucesso diferentes formas funcionais para diferentes zonas (ex: uma forma de tangente hiperbólica para as MZ 1 e 2, uma forma linear modulada por cosseno para a MZ 3, e uma forma exponencial-seno para a MZ 4), refletindo a variabilidade espacial do solo e do terreno.

Significância e Alegações
Os autores afirmam que este trabalho demonstra o potencial da regressão neuro-simbólica para permitir a descoberta de relações agronômicas específicas de cada local. Ao substituir NNs computacionalmente caras por equações leves e interpretáveis, a estrutura suporta otimizações multiobjetivo subsequentes eficientes, como o cálculo da Taxa Ótima Econômica de Nitrogênio (EONR).

O artigo apresenta sua contribuição de forma modesta como uma prova de conceito. Reconhece que a estratégia de SR proposta é uma "solução ad hoc" adaptada aos desafios específicos da destilação de curvas de resposta ao N, em vez de uma metodologia de SR de estado da arte generalista. Os autores enfatem que, embora os resultados no Campo A mostrem potencial prático, trabalhos futuros são necessários para generalizar a estratégia para configurações de maior dimensão, formalizar a metodologia e validar sua robustez em múltiplos campos, fazendas e tipos de culturas. O valor principal reside em fornecer uma alternativa interpretável e baseada em dados aos modelos opacos, que captura variações locais complexas sem a necessidade de definir formas funcionais previamente.