两名环保人士向法国总理府大门喷涂油漆被逮捕******
中新网巴黎1月4日电两名环保人士当地时间4日向法国总理府大门喷涂油漆,试图引发外界关注。这两人随即被逮捕。
这起事件发生于当地时间4日中午。这两名环保人士向位于巴黎市中心的法国总理府的大门喷涂橙色油漆,总理府的黑色大门和部分外墙被染上橙色。两人在喷涂油漆后在总理府外静坐抗议,被在现场值勤的宪兵逮捕。有视频显示,在事件发生后,宪兵加强了对总理府外围的警戒。
据法国媒体报道,这两名环保人士隶属一个激进的应对气候变化社团组织。该组织当天发表声明为此次事件负责,并宣称国家未能履行其应对气候变化的承诺。这两名环保人士据报事发时身着印有“谁有罪?”字样的T恤衫。
近期激进环保人士动作频频,世界各地此前已发生多起环保人士试图通过袭击著名艺术作品以吸引外界关注的事件。在欧洲也有环保人士试图以阻塞道路交通的方式吸引关注。
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)