现今，的农民使用数位作物模组以预测产量，该模组根据土壤、气候、作物特性及所需环境与农业管理之数据进行校正和改善预测结果。然而，在某些国家/地区无法免费获得这些数据，且这种校正的动作要价不斐并耗时。因此，俄罗斯斯科尔科沃科学技术研究所的研究团队将农业导入人工智慧原生技术（AI-native），其使用了一种以开放式资源为基础的模组—MONICA并根据历史数据与程序模组找出黑钙土地区不同作物产量的关键参数，此外，他们使用Zhores将模组模拟的计算效率从每日1次到每日50万次。Zhores为俄罗斯台专门处理人工智慧相关问题的千兆级高效能超级电脑，该研究发表于2020国际计算科学大会中。 事实上，土壤在俄罗斯是一个非常复杂的问题，不幸的是，有关土壤性质和作物产量的数据并无发表出来，然而，进行如此精细的模拟计算以呈现出高品质的灵敏度分析是必要的，其有助于理解某些输入因子如何影响产量的预测，如土壤或肥料的参数。为解决此问题，研究团队找到了克服此障碍的方法，并建立超级电脑。研究团队使用从2011至2017年俄罗斯黑钙土地区实验的田间数据，其包含甜菜、大麦和大豆之季节性轮作，并挑选出六个主要的土壤参数以进行Sobol灵敏性分析。因此，现在无需耗时且价格较低来模拟所有可能的变因并显示出最关键的参数，同时期望该研究能帮助农民数位化其作物之生长。