盈彩网下载手机版APP_在线用户注册首页登录平台

俄提高对乌特别军事行动指挥层级 俄军总参谋长出任总指挥******

　　中新社莫斯科1月11日电 (记者田冰)俄罗斯国防部11日发布消息称，俄联邦武装力量总参谋长瓦列里·格拉西莫夫被任命为俄罗斯对乌克兰特别军事行动区域联合部队总指挥。

　　据俄国防部官网11日消息，俄国防部长绍伊古对俄对乌特别军事行动指挥人员做出新的调整，俄联邦武装力量总参谋长格拉西莫夫大将被任命为特别军事行动区域联合部队总指挥。

　　消息显示，俄空天军总司令谢尔盖·苏罗维金大将、俄陆军总司令奥列格·萨柳科夫大将、俄联邦武装力量副总参谋长阿列克谢·金上将担任特别军事行动区域联合部队副总指挥。

　　消息指出，提高特别军事行动的领导层级与在行动过程中需要解决的任务范围的扩大有关，需要组织俄武装力量各军兵种之间更加紧密的协同，以及提高联合部队各类保障质量和管理效率。

　　去年10月份，俄国防部长绍伊古签署命令，任命俄空天军总司令苏罗维金为俄对乌特别军事行动区域联合部队总指挥。(完)

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）