至尊彩票网投_在线用户注册首页登录平台

【魅力“e”乌镇】创新力拉满！一大波“黑科技”亮相“互联网之光”博览会******

　　11月8日，作为2022年世界互联网大会乌镇峰会的重要组成部分，“互联网之光”博览会如约而至。移动充电桩、眼动输入仪、碳钎维电动自行车……博览会开展3天来，众多互联网“黑科技”吸引着观众一睹为快。据了解，本次博览会有来自40个国家和地区的400余家中外企业和机构以线下线上结合的方式参展，74家企业发布新技术、新产品及理论成果；同时，首次推出365天不落幕的“互联网之光云展厅”品牌，围绕数字共富、数字双碳、数字健康、数字出行、产业数字化、卫星互联网、网络空间治理等7大主题，以3D、2D相结合作展出。此次博览会线下展览将持续至11日，一起来看看令人目不暇接的“黑科技”！

　　摩菱智能移动充电桩将新能源汽车快速充电技术与自动驾驶系统结合，可提供灵活、可移动的电动汽车充电服务，缓解社区充电网络不完善、充电桩资源紧张。（光明网记者 潘迪摄/光明图片）

　　爱普生工业AR眼镜采用硅基OLED纳米级别显示屏，形成120寸AR（增强现实）成像，搭配头戴式设计，使工人在长时间佩戴下保持舒适。工业AR眼镜能够在工厂生产中的产品检修环节，通过实时AR连线，请维修专家远程指导抢修，帮助工业企业降本增效。（光明网记者 潘迪摄/光明图片）

　　“之江天目”异构智能计算机是为之江实验室研发的全球首台基于开放计算规范的千卡规模液冷智能计算机，该计算机可支撑超千亿参数巨量模型的高效、并行训练。（光明网记者 潘迪摄/光明图片）

　　中国电科AOE空气消毒机采用活性复合粒子发生技术，主动释放出无毒无害的“活性复合粒子”，主动捕获病毒、细菌和真菌并破坏其化学结构，有效切断病菌传播途径。（光明网记者 赵金悦摄/光明图片）

　　“飞艇无人机”由桐乡市乌镇鹰航科技有限公司自主研发，通过创新地将飞艇技术和无人机技术相结合，让其既能在空中保持足够的机动能力，又能长时间空中作业。该产品可广泛应用于直播拍摄、巡查测绘、应急通讯等场景。（光明网记者 赵金悦摄/光明图片）

　　国家电网展示的“水下电缆巡检机器人”主要用于湖泊、河流等水域水下电缆故障巡视和定位查找工作，最大潜入深度可达150米。借助其水下泛光面积大、回传视频清晰、巡检速度快等技术优点，其应用能够大幅提升水下电缆例行巡视维护和故障快速查找及处理效率。（光明网记者 赵金悦摄/光明图片）

　　这款来自腾讯公司的眼动输入仪吸引了不少人关注。该仪器可精准捕捉残障人士眼球滚动实现打字功能，帮助提升打字效率一倍以上。（光明记者 赵金悦摄/光明图片）

　　Vivo展出的全场景开放式手车互联组件，可以实现手机与车机间“一键秒传”文件、图片或视频，同时，导航、音乐、通知、日程等功能也可在两者间无缝跨端流转，让手机与汽车在安全、智能的驾驶体验中便捷配合。（光明记者 赵金悦摄/光明图片）

　　与普通的拍照打卡不同，观众可在展会上的XR元宇宙体验区佩戴MR眼镜，在未来与过去、乌镇水乡与宇宙空间之间自由“穿越”。这项技术基于元宇宙概念，打造5G云XR空间计算平台，通过云AR技术来连接“虚”与“实”。（光明记者 赵金悦摄/光明图片）

　　这辆智能电动自行车车架均由碳钎维制造，周身仅重15kg，能单手拎起，目前为同类产品中最轻。该产品拥有LED点阵屏、指纹解锁、智能识别声控指令等功能。借助一枚智能传感器实现骑行“千人千面”，为骑行者带来身轻如燕的骑行体验。（光明记者 赵金悦摄/光明图片）

　　策划：李政葳

　　摄影：潘迪 赵金悦

　　文字：孔繁鑫 邱晓琴

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）