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

“工业大脑”越来越健全 综合生产效率提高20%—30%******

　　央视网消息：数字经济与实体经济加速融合，是当前我国经济高质量发展最明显的特征。

　　早过了下班点，在杭州阿里云谷园区，办公楼依旧灯火通明，不少人还在忙碌着。记者走进了其中一座办公楼，近距离感受这里的工作氛围。

　　讨论方案、敲代码、打电话、开会、连线，一层楼里几乎每个工位，每个人都在忙着工作。他们被称为行业解决方案研发工程师。

　　虽然工程师们坐在同一个办公室里，可每个人身后都牵引着一个行业、3—5家工厂的数字化转型任务。这也意味着，工程师每天要处理2800多亿条数据，调用3万多次智能算法接口。

　　负责人告诉记者，疫情三年来，恰恰是我国数字经济大发展的三年。他们的工程师团队，也从不到200人增加到了如今的400多人。

　　数字化让水泥厂越来越智能

　　繁忙的数字化工程师们加速奔跑着，他们给工厂到底带来了哪些改变？

　　在芜湖海螺水泥公司，工程师们正在将原料仓库改成无人车间。

　　改造完成后，行车的设备利用率能提升50%以上，综合生产效率可以提高20%—30%。

　　与此同时，在水泥生产线控制中心，工程师们正在对操控生产线的“大脑”——控制系统，进行数字化、智能化改造提升。

　　工程师告诉记者，有了这套新的数字化系统，可随时监控产线状态，并及时自动做出专家级的精确调整。不仅可以降低24%的人员劳动强度，还提升产品质量，产品标准偏差降低了43%。

　　如今，无人驾驶的矿车和挖机在矿山上有序地开采，检测线全自动24小时自动检测原材料的成分，水泥生产线每几分钟就自动微调一次参数以保持最佳的状态，一颗“工业大脑”在这里正越来越健全。