吉好彩票|-IOS/安卓通用版/手机app下载v8.8.6

总台专访丨多国学者：美国等北约国家不断拱火俄乌局势******

　　自乌克兰危机以来，美国为首的西方国家插手乌克兰事务并持续“拱火”地区局势。近日，多国学者在接受中央广播电视总台记者采访时表示，美国等北约国家持续向乌克兰提供大量的武器装备不仅不会结束冲突，反而会导致俄乌冲突不断升级。

　　赞比亚政治学家克里斯·津巴：美国在利用乌克兰打一场代理人战争，这（俄乌冲突）已经是一场美国和俄罗斯之间的角力。我们应该意识到，美国向乌克兰提供大量资金和武器不仅会让俄乌冲突持续，还会更大程度地加剧冲突。

　　肯尼亚非洲政策研究所所长彼得·卡戈万加：俄罗斯原本结束了与美国的冷战，但美国和西方并没有停止冷战，他们保留了北约组织并将其作为制衡俄罗斯的军事联盟。我们在乌克兰看到的不是俄乌冲突，而是北约和俄罗斯之间的战争。

　　德黑兰大学亚洲研究中心主任哈米德·瓦法埃：探讨这次冲突的原因和根源，必须指出这是源自西方国家的单边主义，尤其是北约的东扩政策。我们希望西方国家，特别是北约，应该纠正自身的做法，为尽快结束这场冲突做好准备。

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）