現(xiàn)今，的農(nóng)民使用數(shù)位作物模組以預(yù)測產(chǎn)量，該模組根據(jù)土壤、氣候、作物特性及所需環(huán)境與農(nóng)業(yè)管理之?dāng)?shù)據(jù)進行校正和改善預(yù)測結(jié)果。然而，在某些國家/地區(qū)無法免費獲得這些數(shù)據(jù)，且這種校正的動作要價不斐并耗時。因此，俄羅斯斯科爾科沃科學(xué)技術(shù)研究所的研究團隊將農(nóng)業(yè)導(dǎo)入人工智慧原生技術(shù)（AI-native），其使用了一種以開放式資源為基礎(chǔ)的模組—MONICA并根據(jù)歷史數(shù)據(jù)與程序模組找出黑鈣土地區(qū)不同作物產(chǎn)量的關(guān)鍵參數(shù)，此外，他們使用Zhores將模組模擬的計算效率從每日1次到每日50萬次。Zhores為俄羅斯臺專門處理人工智慧相關(guān)問題的千兆級高效能超級電腦，該研究發(fā)表于2020國際計算科學(xué)大會中。 事實上，土壤在俄羅斯是一個非常復(fù)雜的問題，不幸的是，有關(guān)土壤性質(zhì)和作物產(chǎn)量的數(shù)據(jù)并無發(fā)表出來，然而，進行如此精細(xì)的模擬計算以呈現(xiàn)出高品質(zhì)的靈敏度分析是必要的，其有助于理解某些輸入因子如何影響產(chǎn)量的預(yù)測，如土壤或肥料的參數(shù)。為解決此問題，研究團隊找到了克服此障礙的方法，并建立超級電腦。研究團隊使用從2011至2017年俄羅斯黑鈣土地區(qū)實驗的田間數(shù)據(jù)，其包含甜菜、大麥和大豆之季節(jié)性輪作，并挑選出六個主要的土壤參數(shù)以進行Sobol靈敏性分析。因此，現(xiàn)在無需耗時且價格較低來模擬所有可能的變因并顯示出最關(guān)鍵的參數(shù)，同時期望該研究能幫助農(nóng)民數(shù)位化其作物之生長。