“大漠天鹰”飞出胜战新航迹******

　　隆冬时节，西北大漠。西部战区空军某基地所属无人机团的一架无人机结束训练准备返航时，突然接到上级“前出查证不明空情”命令。数百公里外的地面站，飞行员和保障人员按照预案迅速进入方舱，接管无人机操控，并将实时画面传回上级指挥所。这一幕训战快速转换的场景，让正在该团采访的记者感受到浓浓的战味。

　　该团领导告诉记者，作为新质作战力量，他们充分发挥无人机在空时间长、飞行油耗低、通联能力强等特点，不断提高人装结合效能，着力将机型优势转化为胜战优势。

　　保障方舱内，记者见到刚结束飞行训练的该团大队长马龙。今年是他改飞无人机的第十年。为实现从“能飞”到“能战”的跨越，十年来，他和战友操控无人机飞越沙漠戈壁、雪山海岛，为打造“临机召唤，召唤即打击”的“大漠天鹰”一路换羽高飞。在一次次跨战区、跨军种的联演联训中，他和战友感到肩上的担子更重了：“以往，我们只在演习初期执行一些侦察任务。如今，无人机往往最早起飞、最晚降落，在高强度对抗中担负越来越重的任务。”

　　那次与某特战旅进行联合演练，该团无人机盘旋高空，将信息数据传递到地面单兵数字终端，帮助渗透作战的特战队员规划路线、实时预警，并随时准备提供空中火力支援。

　　与航空兵某旅开展协同突防突击演练时，该团无人机先期投入战场标定目标位置，提高侦察效率。友军战机发射制导弹药快速返航后，无人机抵近评估毁伤效果，并对残余目标进行补充打击。

　　在多兵种立体攻防演练时，该团无人机组成空中突击队，以最小代价探明“敌”防御漏洞、消耗“敌”防空火力，精准打击高价值目标……

　　面对演训场上取得的一次次进步，这支新质作战力量的官兵没有丝毫自满。记者在该团“军情研究室”看到，参谋长正在研究如何通过与友邻单位密切协同，提高链路抗干扰能力。“要以新质作战力量‘点’的突破，带动整个作战体系打赢能力的提高。”他告诉记者，未来战场，无人作战力量只有在体系支撑下才能释放最大作战效能。为此，他们将无人机纳入基地常态化体系训练，在与异型机及地面部队对抗演练中锤炼实战能力。

　　“党的二十大报告指出，‘加快无人智能作战力量发展’。”该团领导说，随着无人机应用日渐广泛，只有更加积极主动谋战研战，探索创新作战理念、训练模式，才能更好担负起新时代赋予的使命任务。

　　记者采访过程中，远处机场不时传来阵阵无人机引擎的轰鸣声。十年潜心砺翅，利剑扬威沙场。这支新质作战力量乘风奋飞，必将在无人作战领域飞出崭新胜战航迹。(解放军报 记者 马嘉隆 通讯员 葛乐晨 柯长江)

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