盈彩网投资平台规则 - 用户注册 | 官网首页登录平台网址

绍伊古：俄将继续把发展核盾牌作为主权和领土完整的保障******

　　据路透社和俄罗斯卫星社报道，俄罗斯国防部长绍伊古10日在国防部部务专题会议上表示，俄罗斯将继续发展由洲际弹道导弹、核潜艇和战略轰炸机构成的“核三位一体”，将此作为国家主权和领土完整的保障。

　　 绍伊古说：“我们将继续发展‘核三位一体’并保持其战备状态，因为核盾牌以前和现在都是我国主权和领土完整的主要保障。”

　　路透社报道，绍伊古还在俄军高级将领面前，非常坦率地分析了俄罗斯需要改进的地方。他发誓要建立更强大的武器库、提高军用航空技术，并吸收在俄乌冲突中的作战经验。

　　绍伊古表示，俄罗斯方面将特别关注空军，加强综合打击能力，改进指挥、通信和训练等。他说，俄罗斯将“提高空天军的作战能力——无论是加强战斗机和轰炸机在现代防空系统覆盖地区执行任务的能力方面，还是在改进无人驾驶飞行器方面”。（编译/高飞）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）