프로젝트의 두 부분은 서로 다른 문제를 해결합니다. KelpNutriBoost는 투입 비용과 탄소 문제를 다룹니다. 오리건 해안에는 다시마가 풍부하며 비료나 담수 없이도 자랍니다. 이는 해조류 추출물을 오랜 기간 토양 개량제로 사용하게 만드는 질소와 미량 무기물을 포함하고 있습니다. 이를 유기물을 산소 없이 가열하여 얻는 안정적인 숯 형태의 탄소인 바이오차와 혼합하는 것은 영양소 유지와 토양 수분 보유 효과로 잘 알려진 연구 분야입니다.
독특한 점은 그녀가 바이오차를 만든 재료입니다. 두트는 농업 잔여물 대신 재활용 플라스틱과 정화 하수를 원료로 사용했습니다. 이는 처리 비용이 발생하는 폐기물을 토양 투입재로 탈바꿈시킨 것입니다. 이러한 대체 방식은 결과적으로는 당연해 보이지만, 이 프로젝트가 학교 과학 과제를 넘어 실질적인 경제적 가치를 가진 프로젝트로 발돋움하게 된 핵심 부분입니다.
Earth-AI는 두 번째 구성 요소로, 16세 학생에게는 더 까다로운 과제였습니다. 이는 지역 기후와 토양 상태를 파악하여 어떤 작물이 자랄 수 있는지 예측하는 기계 학습 모델입니다. 두트는 온라인 강의를 통해 스스로 코딩을 배워 이를 구축했습니다. 비료와 모델은 그녀가 '스마트 탄소 재활용(Smart Carbon Recycling)'이라고 부르는 플랫폼을 형성합니다. 한쪽에는 비료 투입, 다른 쪽에는 의사결정 도구가 있습니다.
글로리아 배런 영 히어로즈 상은 미국과 캐나다 전역에서 수백 명의 후보자 중 매년 15명의 수상자를 선정하며, 각자에게 10,000달러를 수여합니다. 이는 순수 과학 경시대회라기보다는 봉사와 리더십을 중시하는 상이며, 따라서 이 프로젝트와 그 적용 가능성을 인정하는 것이지 동료 검토를 거친 학술적 성과를 기리는 것은 아님을 명확히 해야 합니다.
이러한 구분이 이 입문을 바라보는 정직한 틀입니다. 기록된 것은 직접 구축한 두 가지 기능을 갖춘 플랫폼, 외부 심사위원단이 다수의 후보 중에서 선정한 전국적인 상, 그리고 오리건 지역 뉴스 및 공영 라디오 방송에서의 보도입니다. 아직 기록되지 않은 것은 현장 규모의 수확 데이터입니다. 이 페이지의 주장은 기록이 뒷받침하는 내용, 즉 16세 학생이 폐기물 유래 비료와 직접 코딩한 예측 모델을 결합한 농업 시스템을 설계, 구축하고 전국적인 인정을 받았다는 사실입니다.
질소 비료는 하버-보슈법(Haber-Bosch process)과 같은 에너지 집약적이고 화석 연료 의존적인 제조 과정과 사용 시 수로로 흘러 들어가 아산화질소로 방출되는 과정 모두에서 농업 배출물의 상당 부분을 차지합니다. 해조류 추출물과 바이오차는 그 문제에 대한 연구가 가장 활발한 저탄소 개입 수단이며, 이는 두트의 프로젝트가 관련 연구 분야의 중심에 있음을 보여줍니다.
바이오차의 매력은 두 가지 문제를 동시에 해결한다는 점입니다. 수 세기 동안 분해에 저항하는 안정적인 형태로 탄소를 격리하고, 수분과 영양분을 유지하여 토양 구조를 개선합니다. 농작물 잔여물이 아닌 재활용 플라스틱과 정화 하수로 생산하는 것은 덜 관습적인 선택이며, 이것이 농업적 논거와 함께 폐기물 관리 측면의 논거를 제공합니다.
기계 학습 부분은 별도의 언급이 필요합니다. 기후와 토양 변수를 통한 작물 적합성 모델링은 농업 데이터 과학의 표준적인 문제이며, 이를 작동 가능한 버전으로 구축하려면 데이터 수집, 특성 선택, 모델 학습 및 평가가 필요합니다. 이는 대학 수준에서 가르치는 과정입니다. 16세에 자기 주도적 온라인 학습으로 이를 수행했다는 점이 이 프로젝트에서 가장 따라 하기 어려운 부분이며, 단일 제품이 아닌 플랫폼으로 설명되는 이유입니다.
고등학교 과학 프로젝트의 솔직한 한계는 규모이며, 이는 여기서도 마찬가지입니다. 시험장에서 검증된 바이오 비료가 실제 농지에서 한 계절 동안 검증된 비료는 아니며, 가용한 데이터로 학습된 작물 적합성 모델이 확인하지 못한 수확량을 보장하는 것도 아닙니다. 두트는 그 이상의 주장을 하지 않았으며, 이 페이지도 마찬가지입니다. 기록된 것은 16세 학생이 직접 코딩하여 구축한 두 가지 구성 요소의 완성된 플랫폼이며, 두 나라의 수백 명 후보 속에서 결정된 전국적인 상을 통해 인정받았다는 사실입니다.
| 인물 | 국가 | 이정표 | 나이 / 기록 |
|---|---|---|---|
| Anisha Dhoot | 미국 | 2025년 배런 영 히어로즈 상 — 스마트 탄소 재활용 | 16 |
이 프로젝트는 재료 대체와 직접 구축한 기계 학습 모델을 결합한 것으로, 두 가지 서로 다른 작업을 제안에 그치지 않고 실행했습니다.
이 상은 외부 심사위원단이 미국과 캐나다 전역의 수백 명의 후보자 중에서 15명의 수상자를 선정한 결과입니다.







