🎼 ff.33 Le piante ci salveranno?
Inno alle piante, tra algoritmi, cattura di CO2 e problemi da risolvere
Ciao a tutti e benvenuti a ff, futuro fortissimo, dove io, Michele Merelli, faccio una sintesi settimanale delle cose più belle, interessanti, fortissime che ho trovato sull’internet.
🔥 Se non ti sei ancora iscritto, fallo ora 🔥
🍁 Oggi parleremo principalmente di piante:
Piante: da fotosintesi a fonte di conoscenza
Foglie in silicone per efficienze maggiori
Come modificare la genetica per catturare più CO2
🧠 ff.33.1 La valenza filosofica e conoscitiva degli alberi
La connessione tra uomo e piante è storicamente molto stretta. L’albero è da sempre al centro di molti aspetti culturali: da Adamo ed Eva, alle teorie di conoscenza del medioevo fino agli algoritmi di ricerca e ottimizzazione (come il decision tree). Le ramificazioni vegetali hanno ispirato e aiutato l’uomo a definirsi, a capire e capirsi.
Shannon Mattern, professoressa di antropologia alla The New School for Social Research di New York ha raccolto nel breve saggio Tree Thinking la storiografia di questo rapporto.
🍁 ff.33.2 Raccoglitori di CO2
Le piante, oltre che a catturare la CO2 durante la fotosintesi, la tengono catturata per un periodo più o meno lungo (nel carbonio della corteccia e delle foglie). Uno studio su Science dell’università di Zurigo ha calcolato che potremmo piantare 0.9 milioni di ettari, con una possibilità di storage di 200 Gt (giga-tonnellate) di carbonio (ogni anno ne emettiamo circa 30). Quando un albero muore, però, parte della CO2 catturata viene ridispersa nell’ambiente durante i processi di degrado.
Torbi…che? Eppure, la torbiera (vedi immagine sotto per capire, più o meno, a cosa mi riferisca) è molto più efficiente nel trattenere CO2.
Qui le Gt di carbonio “trattenute” nelle:
Foreste | 8% terre emerse | 272 ± 23 Gt di carbonio
Torbiere | 2% terre emerse | 415 ± 150 Gt di carbonio
Se volete approfondire, qui c’è una bella newsletter:
Altri due spunti interessanti, a riguardo:
Dendra usa un mix di droni, AI e analisi satelitari per ottimizzare efficienza e biodiversità in fase di semina.
Carbo Culture sta lavorando a creare biocarbone in grado di stabilizzare la CO2 catturata e non farla disperdere in processi di marcitura.
🏭 ff.33.3 Piante modificate per catturare CO2
Le piante sono lazzarone. Le piante non fanno di tutto per catturare CO2. Per esempio, anche se c’è molto sole, rallentano il metabolismo per non finire altri nutrienti come l’acqua. Quindi le efficienze di conversione da CO2 a materiale organico, che è poi “trattenuto” come nei dati di cui sopra, è basso.
Alcuni ricercatori stanno usando tecniche genetiche innovative (leggi CRISPR) per aumentare la conversione da CO2 a carbonio stabilizzato. Mark Zuckerberg (e la moglie Chan) hanno recentemente finanziato l’Innovative Genomics Institute. Questo istituto in California - fondato dall’ideatrice di CRISPR Jennifer Doudna (premio Nobel per la Chimica nel 2020) - è il luogo dove gran parte della ricerca nell’applicazione di CRISPR si sta movendo (ci torneremo più nel dettaglio in un ff).
🧮 ff.33.4 Muffe computazionali
Per chiudere il cerchio tra conoscenza, algoritmi e piante direi di parlare del Plasmodium. È una muffa che è stata utilizzata per cercare il percorso più corto in grado di connettere varie regioni (risolvendo il famoso Traveling Salesman Problem e dimostrando grandi abilità di parallelizzazione di calcolo).
Transport networks are ubiquitous in both social and biological systems. Robust network performance involves a complex trade-off involving cost, transport efficiency, and fault tolerance. Biological networks have been honed by many cycles of evolutionary selection pressure and are likely to yield reasonable solutions to such combinatorial optimization problems.
We show that the slime mold Physarum polycephalum forms networks with comparable efficiency, fault tolerance, and cost to those of real-world infrastructure networks—in this case, the Tokyo rail system.
The core mechanisms needed for adaptive network formation can be captured in a biologically inspired mathematical model that may be useful to guide network construction in other domains
In parole povere. I ricercatori han posizionato del cibo per rappresentare le città da connettere e gradienti di luce (che respingono la muffa) per definire ostacoli e barriere topologiche. In questo modo, una muffa ha ricreato la mappa della metropolitana di Tokyo e l’ha fatto mostrando abilità di controllo su velocità di trasporto ed altri parametri che vanno a definire i collegamenti principali. Insomma, un sistema di questo tipo può essere usato per calcolare e disegnare dei network stabili poste determinate condizioni operative / limiti imposti dai ricercatori. Come fosse un computer, ma è una muffa che semplicemente vuole sopravvivere al meglio.
👋 E con questo è tutto per questa fortissima settimana!
🔜 Nel prossimo ff parleremo di come ripensare le città.
A presto, Michele
Vuoi supportare questo progetto? Iscriviti alla newsletter e condividila con un amico su WhatsApp
Oppure, offrimi un caffè 😏
E ricordati di mettere un cuoricino qua sotto.
❤️