彩之家平台-彩之家平台

高博会服务高校设备更新改造及数字化建设专项工作新闻发布会在京召开******

光明网讯（记者 李伯玺）1月10日，中国高等教育博览会（以下简称“高博会”）新闻发布会在北京召开，会议介绍了高博会服务高校设备更新改造及数字化建设专项工作情况。中国高等教育学会副会长、秘书长姜恩来，学会实验室管理工作分会副理事长兼秘书长、北京大学实验室与设备管理部部长刘克新，学会教育信息化分会副理事长兼秘书长、华东师范大学信息化治理委员会秘书长沈富可等出席发布会。发布会由学会事业发展部主任吴英策主持。

发布会现场 光明网记者 李伯玺摄

姜恩来表示，为服务高等教育数字化发展，提升高校设备更新改造效率，中国高等教育学会把服务高校设备更新改造及数字化建设列为重点工作，并纳入高博会重要项目，拟采取开展优秀解决方案征集遴选工作，定期举办解决方案推介会，定期发布“高博会推荐产品名录”,以及建设服务高校的一站式数字化采购平台等多项措施予以支持。

刘克新介绍，近年来，全国高校仪器设备拥有量每年都以大约10%的速度增长，总值已接近万亿元。高博会在推进高等教育领域设备升级改造中发挥着重要作用。

据悉，第58届高博会将在2023年4月8日至10日，与第59届高博会合并举办。届时，将有大批高校、企业、科研院所等携手，助力高校设备更新改造及数字化建设。

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）