-43.7℃ 大兴安岭阿木尔林业局迎今冬以来最低温******
中新网大兴安岭1月17日电 (王力 记者 王妮娜)1月17日8时，据漠河市气象局监测显示，大兴安岭地区阿木尔林业局受冷空气影响迎来-43.7℃最低温，室外滴水成冰。
阿木尔林业局17日迎来-43.7℃最低温。 王力 摄当日8时多，阿木尔林业局气温达到极低，寒气裹着树木，远山在寒气中若隐若现。清晨清扫街道的环卫工在室外待一小会儿，帽子、头发上就结满了冰霜。
阿木尔林业局物业公司集中保供热。 王力 摄在这样极寒的天气中，阿木尔林业局物业公司集中保供热，一个车间三台锅炉全部投入运转，一网出水温度达到接近90℃。因为锅炉本体高位运行，司炉工、值机员勤检查供暖附属设备，按时记录运行数据，并成立了供暖、供水两个抢修小组，及时处置用户不热、暖气漏水、自来水管被冻，让当地居民家中“热乎乎”。(完)
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 彩云网地图 |
