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

何宝宏：从学习到创造，生成式AI取得突破性进展******

　　“2022年AI绘画和ChatGTP的重要性不亚于2016年AlphaGo战胜人类围棋冠军的价值，这是否会引发新一轮的内容科技的革命，是值得我们关注的问题。”在近日举行的“风向Talks 2023”思享会上，中国信息通信研究院云计算与大数据研究所所长何宝宏围绕技术转型、信息革命、数据资产、Web3、信任科技、元宇宙、技术周期律、经济学2.0、AI、数字原生等热门领域进行了分享。

　　何宝宏表示，生成式AI在2022年取得了突破性的进展，人工智能开始从学习走向创造。

　　近年来，随着技术的发展，内容创作的方式不断发生变革，经历了从PGC(专业生产内容)到UGC(用户生产内容),再到PUGC（专业用户生产内容）的发展历程。到了人工智能时代，可实现AIGC(人工智能创作内容) ，未来可能发展到P-AIGC（专业人员指导下的AIGC）。

　　AIGC背后是一个大的模型，何宝宏介绍，过去五年，由于大模型的参数指数级增长带来了大模型“智力”的指数级增长。2020年，机器基本只能完成文本生成，目前可以进行图像生成，未来能实现视频生成。2016年，机器视觉可以从图片中识别文字；2022年，机器实现了AI绘画，可以通过文字生成图像。

　　不仅如此，人工智能的进步还体现在科学方面，目前正在兴起的AI编程的软件2.0，可以实现以代码为中心到以数据为中心的编程思维，即程序员只需要设定超级参数，普通参数将通过数据训练实现。生命科学方面，2021年AI发现了蛋白质结构，2022年AI生成了蛋白质结构，由此AIGC入选了《Science》2022年度科学十大突破。

　　在谈到在2022年同样大火的“元宇宙”时，何宝宏表示，每隔7年左右，都会有名为“下一代互联网”的技术出现，每次还都不一样。目前，互联网发展正面临以元宇宙为代表的信息互联网以及以Web3.0为代表的价值互联网的“新岔道”。

　　不过，在他看来，现阶段，元宇宙依然是各种要素的“大杂烩”，还没有找到最佳实践。基于VR的元宇宙在未来3-5年内依然会是小众市场，实现“生态化反”还需要更多时间。

　　“VR现阶段的体验并不像数字孪生，而更像是‘数字植物人’，除了有视觉和听觉体验之外，还缺少嗅觉、味觉和触觉的感受。未来，仍需积极探索，将生产要素有机地组织起来。”何宝宏说。（宋雅娟）