马明宇：中国足球最应学习德国足球面对逆境时的坚韧******

　　中新网北京5月13日电 (记者 卢岩卞立群)近日，在中新社“东西问·中外对话”栏目中，2002年韩日世界杯中国国家队队长马明宇对话德国足球名宿克林斯曼。马明宇表示，中国足球最应该学习德国足球面对逆境时的坚韧。

　　马明宇认为，德国足球风格务实简练、团队配合严谨、历史积淀深厚，特别是在大赛中，身处逆境时善于打“逆风球”。“追溯到1954年德国队和匈牙利队的比赛，当时后者是夺冠热门。德国队在小组赛阶段3:8失利，差距非常大。在决赛中两队再次相遇，匈牙利开场8分钟就进了两个球，结果德国队3:2反超夺冠，创造了伯尔尼奇迹。”

　　“时隔20年，德国队与夺冠热门荷兰队在决赛中相遇，也是在荷兰队先进球的情况下，被德国队反超。1982年世界杯半决赛中，德国队和法国队在常规时间1:1战平。加时赛阶段法国连入两球，后来鲁梅尼格带伤上阵，德国队奇迹般连入两球扳平比分，最后在点球大战中取胜。”

　　“所以，德国在踢‘逆风球’方面是有历史的，中国足球最应该向德国足球学习这种坚韧的精神。”马明宇说。(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