巴黎奥运会期待“空中出租车”******
新华社日内瓦1月10日电(记者 单磊)也许在2024年巴黎奥运会上,人们真的能看到“空中出租车”出现在巴黎上空。
4月29日,参观者在瑞典斯德哥尔摩举办的电动车展上体验小鹏汇天的飞行汽车。新华社记者 付一鸣 摄
德国一家无人机生产商Volocopter一直在研制飞行汽车的项目,他们计划推出一款叫做velocity的无人机,或者叫做电动直升飞机。这种无人机(汽车)无人驾驶,靠地面人员操控驾驶。最快行驶速度可以达到每小时20公里,但其噪音只有普通直升飞机的四分之一。
这家无人机厂商计划在巴黎奥运会开始之前将此产品推向市场,欧洲航空安全局执行主任帕特里克·凯则表示,无论这款无人机能否达到安全飞行标准,他们都会考虑将其列入巴黎奥运会使用范围之内。
凯说:“我需要保证这种唯一可以飞的汽车是安全的,所以如果在2024年奥运会时你发现天上有什么东西在飞,那就表明它们是安全的,因为我们会检测它们的。”
凯表示这种“空中出租车”如果能成功,它们将会被使用在巴黎戴高乐机场和巴黎市中心之间。“如果我们检测合格,就表明这种汽车的飞行是安全的。我们的安全的标准是和商业用途的普通客机一个标准,所以如果2024年你看到它们在飞,那它们就是安全的。”凯说。
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)