彩天下app客户端|彩天下app手机版

【视频】互联网企业如何践行双循环？APUS李涛：“出海”与“沉下去”并行******

　　【TMT前沿】

　　我国网络强国建设在“十三五”时期取得诸多成就，以APUS创始人兼CEO李涛为代表的网络安全从业者参与其中，更加体会到网络安全本身为网络强国战略的一部分。

　　李涛表示，网络安全领域是一个基于技术的领域，需运用先进技术为国家通信互联网发展提供有力保障；同时，我国还存在“卡脖子工程”，需要更多互联网企业、软件和大数据企业参与。

　　近年来，APUS积极参与国内国际“双循环”，一方面下沉到三、四、五线城市，为那里的新增用户及初级互联网用户提供更好的互联网接入服务，并为老年人、青少年等互联网弱势群体提供更好的互联网服务；另一方面，将国际领先的人工智能、大数据技术带回国内，推动我国互联网进一步发展。

　　李涛相信，未来将会有更多互联网企业成为“双轮驱动”企业，共同推动中国互联网、中国数字经济与全球经济更加深度融合发展。

　　采访：李政葳

　　摄像：王宏泽

　　后期：孔繁鑫、姚坤森

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）