PhoTorch：基于 PyTorch 的 FvCB 光合作用模型参数拟合新利器

为优化复杂生物物理模型参数拟合，研究人员开发 PhoTorch 软件，高效准确，意义重大。

　　人工智能（AI）的进步为植物表型分析和预测建模带来了巨大益处。然而，在利用人工智能进展优化复杂生物物理模型的参数拟合方面，仍存在未被挖掘的机遇。这项研究开发了一款新颖的软件 PhoTorch，它基于广受欢迎的人工智能框架 PyTorch 的参数优化组件，用于拟合法夸尔 - 冯?卡默勒 - 贝里（F_vCB，Farquhar, von Caemmerer, and Berry）生化光合作用模型的参数。该软件的主要创新点在于其计算效率、参数估计的稳健性，以及处理不同类型响应曲线和子模型函数形式的灵活性。PhoTorch 能够高效且准确地拟合稳态和非稳态气体交换数据。其灵活性体现在可选择拟合温度和光照响应参数，还能同时拟合光照响应曲线和标准 A/C_i曲线，而这些功能是目前现有的 A/C_i曲线拟合软件包所不具备的。结果显示，PhoTorch 在拟合具有高变异性、一定程度伪影和噪声的 A/C_i曲线时，展现出了稳健性和高效性。PhoTorch 的运行速度比基准软件快四倍多，这在处理众多每条包含数百个数据点的非稳态 A/C_i曲线时意义重大。PhoTorch 为各个领域的研究人员提供了一个可靠且高效的分析光合数据的工具。该 Python 软件包可从代码库（https://github.com/GEMINI-Breeding/photorch）免费获取。