要約
作物収量は、遺伝子型、環境、およびそれらの相互作用によって決定される非常に複雑な特性である。正確な収量予測には、収量とこれらの相互作用要因との機能的な関係を理解することが必要であり、そのような関係を明らかにするためには包括的なデータセットと強力なアルゴリズムが必要である。2018年のシンジェンタ・クロップ・チャレンジにおいて、シンジェンタは2008年から2016年にかけて2,247か所で栽培された2,267種のトウモロコシハイブリッドの遺伝子型と収量性能を記録した大規模なデータセットを公開し、参加者に2017年の収量性能を予測するよう求めた。当チームは優勝チームの一つとして、最先端のモデリングと解法技術を活用した深層ニューラルネットワーク（DNN）アプローチを開発した。当モデルは優れた予測精度を持つことが確認され、予測天候データを使用した検証データセットでは平均収量の12%および標準偏差の50%に相当する平方根平均二乗誤差（RMSE）であった。完全な天候データを使用すれば、RMSEは平均収量の11%および標準偏差の46%にまで低下すると推定される。また、訓練済みDNNモデルに基づいて特徴選択を行い、入力空間の次元数を大幅に削減しながら予測精度が著しく低下することなく成功した。計算結果は、このモデルがLassoや浅いニューラルネットワーク（SNN）、回帰木（RT）などの他の一般的な方法よりも有意に優れていることを示唆している。さらに結果は、環境要因が遺伝子型よりも作物収量に大きな影響を与えることを明らかにしている。