大星彩票玩法-新版APP下载-安全购彩

6G、数字孪生、高性能芯片 15项世界互联网领先科技成果发布******

　　浙江在线11月9日讯（记者 陈雷 见习记者 田雨阳）11月9日下午，2022年世界互联网领先科技成果发布活动在乌镇互联网国际会展中心举办。作为世界互联网大会乌镇峰会的重要板块之一，每年的成果发布活动都是全球互联网领先科技成果展示的平台。

发布会现场 浙江在线记者田雨阳 摄

　　今年的发布活动共评选出来自中国联通、中国电信、鹏城实验室等15项具有国际代表性的年度领先科技成果，以及5项提名成果。活动现场同时还向积极参与活动组织并取得突出成效的6家单位颁发了“卓越组织”纪念证书，包括中华人民共和国教育部、中国科学院等。

　　据悉，世界互联网领先科技成果发布活动旨在展现全球互联网领域最新科技成果，彰显互联网从业者的创造性贡献，搭建全方位的创新交流平台。今年5月，世界互联网大会面向全球广泛征集申报成果，共征集到来自中国、美国、俄罗斯等国家和地区各类申报成果257项，涵盖5G与6G、IPv6、人工智能、数字孪生等多个前沿领域。

发布会现场 浙江在线记者田雨阳 摄

　　以下为详细名单

　　2022年世界互联网领先科技成果名单（按现场发布次序）

　　1.“IPv6+”标准制定、设备研制、组网设计及规模应用

　　——中国联合网络通信集团有限公司

　　2.中国电信骨干全光网创新与应用

　　——中国电信集团有限公司

　　3.EAGLE 6G：面向6G无线高速接入原型系统及测试环境

　　——鹏城实验室

　　4.全球首个集成5G AI处理器的调制解调器及射频系统

　　——高通公司

　　5.5G时间关键型通信使能远程操控

　　——爱立信（中国）通信有限公司

　　6.欧拉开源操作系统

　　——华为技术有限公司

　　7.卡巴斯基安全远程工作空间

　　——卡巴斯基

　　8.ODPS：数据驱动而生的超大规模多场景融合的大数据计算平台

　　——阿里云计算有限公司

　　9.微软第一方数字孪生产品

　　——微软（中国）有限公司

　　10.睿鉴数字内容虚假伪造检测系统和设备

　　——中国科学院计算技术研究所 北京中科睿鉴科技有限公司

　　11.龙芯3A5000/3C5000处理器芯片

　　——龙芯中科技术股份有限公司

　　12.OceanBase原生分布式关系数据库

　　——蚂蚁科技集团股份有限公司

　　13.大规模知识图表示学习的体系化基础算法及开源工具

　　——清华大学

　　14.基于数字对象架构的数联网及大数据互操作技术

　　——北京大学

　　15.大规模图神经网络模型端云协同计算平台和应用示范

　　——浙江大学

　　2022年世界互联网领先科技成果提名项目名单（按视频发布次序）

　　1.奇安信大禹平台及重大网络安全防护应用

　　——奇安信科技集团股份有限公司

　　2.TDSQL――推进数据库基础技术突破与产业分布式技术升级

　　——腾讯科技（深圳）有限公司

　　3.智能汽车行业创新：大算力、高性能融合计算芯片IP平台

　　——安谋科技（中国）有限公司

　　4.基于高性能人工智能训练芯片的智算集群

　　——之江实验室

　　5.文心大模型

　　——北京百度网讯科技有限公司

　　2022年世界互联网领先科技成果卓越组织名单

　　1.中华人民共和国教育部

　　2.中国科学院

　　3.中国移动通信集团有限公司

　　4.中国电信集团有限公司

　　5.国家电网有限公司

　　6.浪潮集团

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）