马来西亚羽毛球公开赛开赛 国羽喜忧参半******

　　新华社吉隆坡1月10日电（记者汪艺）2023年马来西亚羽毛球公开赛10日在吉隆坡开赛，中国队选手当日表现喜忧参半。

　　1月10日，石宇奇在比赛中回球。新华社记者朱炜摄

　　国羽当天出战男单、女单、男双、女双、混双全部项目比赛。男单赛场上，石宇奇以1:2惜败于本次比赛四号种子、中国台北选手周天成。翁泓阳同样以1:2不敌丹麦选手安东森，无缘晋级。

　　中国女单选手韩悦以2:1战胜印度选手内瓦尔。何冰娇以11:21和17:21不敌印度尼西亚选手玛丽斯卡·东宗，遗憾止步首轮。

　　1月10日，韩悦在比赛中回球。新华社记者朱炜摄

　　中国男双组合任翔宇/谭强和何济霆/周昊东均以1:2不敌各自对手，无缘下一轮。

　　女双方面，中国组合陈清晨/贾一凡以21:11和21:14轻松击败荷兰组合吉尔/塞尔宁，顺利晋级。

　　1月10日，郑思维（左）/黄雅琼在比赛中。新华社记者朱炜摄

　　混双比赛中，中国组合郑思维/黄雅琼以21:8和21:14轻取中国台北组合杨博轩/胡绫芳，另一对中国组合王懿律/黄东萍则以21:17和23:21击败德国组合拉姆斯富斯/洛豪成功晋级。

　　2023年马来西亚羽毛球公开赛为世界羽联巡回赛超级1000级别的赛事，本次公开赛将于1月15日结束。

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