乐乐彩平台-乐乐彩平台

六部门：提升能源电子产品在新型基础设施领域的应用水平******

　　中新网1月17日电 工信部网站17日公开《工业和信息化部等六部门关于推动能源电子产业发展的指导意见》。其中提出，加大新兴领域应用推广。采用分布式储能、“光伏+储能”等模式推动能源供应多样化，提升能源电子产品在5G基站、新能源汽车充电桩等新型基础设施领域的应用水平。面向“东数西算”等重大工程提升能源保障供给能力，建立分布式光伏集群配套储能系统，促进数据中心等可再生能源电力消费。探索开展源网荷储一体化、多能互补的智慧能源系统、智能微电网、虚拟电厂建设，开发快速实时微电网协调控制系统和多元用户友好智能供需互动技术，加快适用于智能微电网的光伏产品和储能系统等研发，满足用户个性化用电需求。(中新财经）

搜索

复制

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）