彩天下app客户端 - ISO/安卓/推荐(2023已更新)

首届全国博物馆志愿服务典型案例推介项目 福建两家博物馆入选******

　　东南网1月9日讯（福建日报记者蒋丰蔓）记者近日获悉，经省文物局推荐上报，我省两家博物馆入选2022年“首届全国博物馆志愿服务典型案例推介活动”，分别是福建博物院的“薪火传承——青少年爱国主义教育项目”和厦门市博物馆的“为城中村的孩子点亮历史的星空项目”。

　　据介绍，“薪火传承——青少年爱国主义教育项目”整合福建博物院博物馆教育和学校教育资源，与福州市百所中小学、多所高校签约共建，共享文物资源，通过编著研学手册、开发红色研学活动、在公众号上开辟“红色故事”专题等方式，让广大青少年了解历史、学习党史、感悟思想，激发精神共鸣。“为城中村的孩子点亮历史的星空项目”立足厦门市博物馆资源，结合厦门经济特区外来务工人员子女的知识结构和需求，围绕中国传统文化、闽台民俗、厦门革命史等主题，精心设计项目内容，以量身定制“厦博课堂”、实地参观文物遗址、策划专题夏令营等多种形式，丰富外来务工人员子女文化生活，增进对传统文化的认知。

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）