彩神平台-彩神平台

第73集团军某旅：新质作战力量“攥指成拳”******

　　第73集团军某旅

　　新质作战力量“攥指成拳”

　　解放军报讯 记者向黎鸣、特约通讯员喻润东报道：春节假期刚结束，第73集团军某旅一场合成营对抗演练打响。该旅领导介绍，此次演练，侦察无人机、指控通信装备等新质作战力量悉数亮相，有效提升了部队战斗力。

　　“党的二十大报告强调，增加新域新质作战力量比重，加快无人智能作战力量发展，统筹网络信息体系建设运用。”该旅领导介绍，作为陆军新型合成部队，近年来他们陆续列装多型信息化装备。为最大限度挖掘新装备潜能，他们在演训中提高险难课目比重，持续强化作战效能发挥、指挥链路贯通、作战体系融入，推动新质作战力量“攥指成拳”。

　　“前方发现‘敌’隐蔽火力点……”指挥车内，该旅合成一营营长何璇紧盯屏幕，接收无人机回传的战场情报。发现“敌”隐蔽火力点正好处于夺控要点时，何璇果断下达“呼叫炮火支援”的指令。随着一声令下，炮火顷刻间覆盖目标，实现精确毁伤。

　　该旅领导告诉记者，下一步，他们还将与友邻部队探索建立长效联训机制，针对多种作战力量运用制订联演联训计划，重点突出作战力量编组联训、指挥信息系统综合演练等内容，全方位提升战场信息收集、辅助决策研判、精准火力打击等实战能力。（解放军报 作者：向黎鸣、喻润东）

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）