Bombadil: A Foundation Model for Plant Electrophysiology
作者: James Kirk, Piotr Bednarski, Filip Twardy, Justin Mast, Lee von Kraus
分类: cs.LG, eess.SP, q-bio.QM
发布日期: 2026-10-19
备注: 25 pages, 13 figures, 11 tables
💡 一句话要点
提出Bombadil模型以解决植物电生理学任务的迁移学习问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 植物电生理学 迁移学习 无标签学习 深度学习 生理指标监测
📋 核心要点
- 现有机器学习模型仅针对特定植物应激状态，缺乏跨任务和跨物种的迁移能力，限制了其在农业和园艺中的应用。
- Bombadil模型通过无标签预训练，利用大量电信号数据，学习植物电信号的基本特征，支持多种植物和环境的适应性。
- Bombadil能够在没有标签的情况下，准确追踪七种植物应激的生理指标，展示了其在植物电生理学领域的有效性和创新性。
📝 摘要（中文）
植物与动物一样，通过电信号传递其生理状态的信息。现有的机器学习模型仅针对特定植物应激状态进行训练，缺乏跨任务、跨物种和跨环境的迁移能力。本文提出Bombadil，一个针对植物电生理学的基础模型，利用超过400万小时的电信号数据进行无标签预训练，涵盖100种植物和十种不同环境。Bombadil能够学习植物电信号的基本特征，并追踪七种植物应激的生理指标，具有广泛的适用性和可扩展性。
🔬 方法详解
问题定义：本文旨在解决现有植物电生理学模型在任务、物种和环境间迁移能力不足的问题。现有方法通常只针对单一任务进行训练，无法适应多样化的农业需求。
核心思路：Bombadil模型通过无标签预训练，利用大量的电信号数据，学习植物电信号的基本特征，从而实现跨物种和环境的适应性。该设计使得模型能够在不同的植物和应激条件下进行有效的推断。
技术框架：Bombadil的整体架构包括数据收集、无标签预训练和多任务学习三个主要阶段。首先，收集来自100种植物的电信号数据，然后进行无标签的深度学习预训练，最后通过模型微调实现多任务的学习能力。
关键创新：Bombadil的主要创新在于其无标签预训练的能力，能够在没有标注数据的情况下，学习到植物电信号的普适特征。这与传统模型依赖于大量标注数据的方式形成鲜明对比。
关键设计：在模型设计中，采用了深度神经网络结构，结合适当的损失函数和优化算法，以确保模型在多样化数据上的泛化能力。具体的参数设置和网络结构细节在论文中进行了详细描述。
🖼️ 关键图片
📊 实验亮点
Bombadil模型在无标签情况下，成功追踪七种植物应激的生理指标，展示了其在不同物种和环境中的适应性。与传统模型相比，Bombadil在跨任务学习上表现出显著的提升，具有更强的泛化能力和实用性。
🎯 应用场景
Bombadil模型的潜在应用领域包括农业、林业和园艺等多个方面。通过实时监测植物的生理状态，农民和园艺师可以更有效地管理植物健康，优化生长条件，提升作物产量和质量。未来，该模型有望推动植物电生理学的研究和应用，促进可持续农业的发展。
📄 摘要（原文）
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.