論文の概要: Bombadil: A Foundation Model for Plant Electrophysiology

• arxiv url: http://arxiv.org/abs/2610.26597v1
• Date: Mon, 19 Oct 2026 15:40:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 02:27:52.099554
• Title: Bombadil: A Foundation Model for Plant Electrophysiology
• Title（参考訳）: Bombadil:植物電気生理学の基礎モデル
• Abstract要約: 植物電気生理学の基礎モデルであるBombadilについて,100種の植物から記録された400万時間以上の電気信号にラベルなしで事前訓練を行った。 ボンバジルは、様々な種や環境にまたがる植物電気信号の基本的特徴を学習することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Living plants, like animals, use electrical signals to carry information about their physiological state across their body, from roots to branches. These signals can be recorded, as they are in animals, from a pair of differential extracellular electrodes inserted into signal-conducting tissue. While machine-learning models have been trained to predict specific plant stress states from these signals, each of these models has been trained for only a single task and none have been designed to transfer across tasks, species, or environments. These approaches do not allow easy scaling across the wide range of species and environments that are relevant to agriculture, forestry, and horticulture for both commercial and consumer plant care. Here we present Bombadil, a foundation model for plant electrophysiology, pretrained without labels on over 4 million hours of electrical signals recorded from 100 plant species in ten distinct environments, including laboratories, greenhouses, commercial orchards, and natural forests. In this way, Bombadil is able to learn the fundamental features of plant electrical signals across a wide array of species and environments. Then, from those same electrical signals, Bombadil tracks changes in seven physiological indicators of plant stress, even among species and stressors with no labels in training.
• Abstract（参考訳）: 動物のように生きた植物は、電気信号を使って、根から枝まで、体全体に生理状態に関する情報を運ぶ。 これらのシグナルは、動物のように、シグナル伝導組織に挿入された1対の細胞外電極から記録することができる。 機械学習モデルは、これらの信号から特定の植物ストレス状態を予測するために訓練されているが、これらのモデルはそれぞれ1つのタスクのみで訓練されており、タスク、種、環境間での移動を意図したものではない。 これらのアプローチは、農業、林業、園芸にかかわる幅広い種や環境を、商業的および消費者的植物ケアの両方で容易にスケーリングすることはできない。 ここでは、植物電気生理学の基礎モデルであるボンバジルについて、実験室、温室、商業果樹園、天然林を含む10の異なる環境において、100種から記録された400万時間以上の電気信号をラベルなしで事前訓練する。 このようにして、ボンバジルは植物の電気信号の基本的特徴を様々な種や環境にわたって学べる。 そして、同じ電気信号から、Bombadilは植物ストレスの7つの生理的指標の変化を追跡します。

関連論文リスト

• Simulacra Naturae: Generative Ecosystem driven by Agent-Based Simulations and Brain Organoid Collective Intelligence [0.5599792629509229]
  Simulacra Naturaeは、生物、物質生態、生成システムの絡み合いを通じて集団ケアを探索する、データ駆動型メディアインスタレーションである。 この研究は、脳オルガノイド、実験室で成長した3次元ニューロンの集合体から、生成視覚、空間オーディオ、生きた植物、製造された粘土人工物からなる多感覚環境へと、事前に記録された神経活動を翻訳する。
  論文  参考訳（メタデータ） (2025-09-03T01:26:39Z)
• BeeNet: Reconstructing Flower Shapes from Electric Fields using Deep Learning [0.0]
  電場情報を復号化して環境特性を再構築できることを示す。 本研究では,近傍の荷電蜂が生み出す電場から偏光性花の形状を推定できるアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-08-15T05:59:13Z)
• When Plants Respond: Electrophysiology and Machine Learning for Green Monitoring Systems [3.8916312075738273]
  生物と人工装置の生理的信号流路を確立する。 我々は最先端と自動化機械学習(AutoML)を用いてデータを解析する。 この研究は、持続可能な環境モニタリングのために、スケーラブルで、自己持続的で、植物が組み込んだ生物ハイブリッドシステムを進める。
  論文  参考訳（メタデータ） (2025-06-30T14:04:31Z)
• Plant Bioelectric Early Warning Systems: A Five-Year Investigation into Human-Plant Electromagnetic Communication [0.0]
  植物は、人間の近接性、感情状態、生理的状態に関連する異なる生体電気信号を生成する。 ResNet50アーキテクチャに基づくディープラーニングモデルは、人間の感情状態の分類において97%の精度を達成した。 本研究は, 従来の植物感覚能力の理解に挑戦し, 農業, 医療, 植物間相互作用研究における実践的応用を提案する。
  論文  参考訳（メタデータ） (2025-06-04T16:23:06Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• Automated Phytosensing: Ozone Exposure Classification Based on Plant Electrical Signals [10.274619512179882]
  本研究では, 生物の分散ネットワークを空気質センサとして利用し, その電気生理学的な測定を行い, 環境状態を推定することを提案する。 本手法は, 植物オゾン曝露を94.6%の精度で未確認データで分類することに成功した。 本研究は, コスト効率の高い高密度都市大気モニタリングシステムの開発に寄与する植物センシング装置の開発に有効である。
  論文  参考訳（メタデータ） (2024-12-17T20:29:00Z)
• Biomaker CA: a Biome Maker project using Cellular Automata [69.82087064086666]
  Cellular Automata (CA) を用いたBiome Makerプロジェクトについて紹介する。 バイオメーカーCAでは、形態形成は第一級の市民であり、小さな種子を植物のような生物に成長させ、栄養失調環境で生き残る必要がある。 このプロジェクトによって、さまざまなモデルアーキテクチャや突然変異戦略とともに、さまざまな種類の環境や「物理学」の法則が実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-18T15:03:40Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。