美国防部：乌军士兵将赴美接受“爱国者”防空导弹系统训练******

　　中新网1月11日电据美国有线电视新闻网(CNN)报道，美国国防部发言人莱德10日表示，约有90至100名乌克兰士兵最快将于下周前往美国参加“爱国者”防空导弹系统的训练。

　　据报道，训练计划将在俄克拉荷马州锡尔堡进行。锡尔堡是陆军四个基本训练地之一，也是陆军野战炮兵学校所在地，一个多世纪以来一直被用于士兵训练，美国也在此进行自己的防空系统操作和维护训练。

　　美国国防部发言人莱德表示，他无法给出训练的确切时间安排框架，通常美国士兵需要长达一年的时间接受训练，而此次训练可能将持续数月。

　　上周，莱德曾透露，美国正在考虑“爱国者”防空导弹系统训练地点的各种选择，“包括在美国本土、海外或两者结合”。他还曾表示，与此前提供给乌克兰的防空系统相比，“爱国者”导弹可以击落更多巡航导弹、短程弹道导弹和飞机。

　　自乌克兰危机爆发以来，美国对乌克兰进行了大量军事援助。去年12月，美国首次宣布将向乌克兰提供“爱国者”防空导弹系统。

　　对此，俄方多次指责美国正进一步卷入危机。俄总统普京表示，他“100%”相信俄军将摧毁五角大楼这一最先进的防空系统。俄罗斯安全会议副主席梅德韦杰夫此前也曾表示，如果“爱国者”系统及北约人员被交付给乌克兰，它们将成为俄罗斯的合法军事目标。

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