佰家富app下载app_新版APP下载-安全购彩

加拿大将向美国采购地对空导弹系统并捐给乌克兰******

　　中新社多伦多1月10日电 (记者 余瑞冬)加拿大正从美国采购一套“国家先进地对空导弹系统”(NASAMS)及配套弹药，并会捐给乌克兰。

　　在墨西哥出席北美领导人峰会的加拿大总理特鲁多1月10日与美国总统拜登会晤时确认了此事。加拿大国防部长安妮塔·阿南德同日在渥太华对媒体公布详情，并表示，这将是加拿大向乌克兰提供的首套防空系统。

　　加方将为此花费约4.06亿加元(约合逾3.02亿美元)。

　　NASAMS是一种中短程地基防空系统，可用于防范来自无人机、导弹和飞机等的攻击。该系统由挪威康斯伯格防空公司与美国雷神公司共同设计制造。

　　加官方表示，自2022年2月以来，加方已承诺向乌克兰提供价值超过10亿加元的军事援助。加方会继续向乌克兰提供所需军事支援。

　　乌克兰危机发生以来，加拿大已向乌克兰提供M777榴弹炮及相关弹药、军用无人机摄像头、装甲战斗支援车和冬衣等物质支援，以及相关军事培训等。

　　此外，加拿大自2015年9月启动“统一行动”，派出军事人员对乌方提供培训。加方称，目前已累计对逾3.4万名乌克兰军事和安全人员进行了战场战术和高级军事技能培训。(完)

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）