北斗系统服务全球******

　　【案例展示】 

北斗系统服务全球

中国卫星导航系统管理办公室主任 冉承其

　　“万物互联、人工智能”的信息化数字时代正在到来，它需要“更高性能、更加可靠、更好服务”的时空底座。

　　在广袤的非洲大陆，30多个国家正在应用北斗。比如布基纳法索的一家医院因使用北斗建筑测绘大大节省建筑时间，对包括新冠疫情在内的当地传染病防治发挥了重要作用。因北斗而受益的，还有塞内加尔的高速公路建设。

　　在亚洲，塔吉克斯坦的萨雷兹湖大坝监测、中吉乌公路贯通、中哈原油管道输送、中欧班列的日常运行，都离不开北斗高精度定位的默默守护。此外，在阿拉伯国家、在东盟，北斗应用日益广泛，涵盖农业生产、城市治理、野生动物保护等各个领域。

　　面向世界，北斗已进入民航、海事、移动通信等国际组织标准体系，正加快融入国际工业体系。北斗独具特色的短报文通信，可以让用户发送精确位置和信息，这无疑能让搜救领域实现“质”的变革。北斗甚至可以与手机完美融合，“一机在手，永不失联”。

　　（光明日报记者 王禹欣、陈海波整理）

　　《光明日报》（ 2022年11月09日 10版）

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