兴安岭深处“慢火车”的守护者******

　　【春运进行时】

　　光明日报记者 张士英 光明日报通讯员 刘 杨

　　深冬的内蒙古绰河源镇，寒风凛冽。

　　1月7日8时30分，气温降到零下27℃。中国铁路哈尔滨局集团有限公司齐齐哈尔工务段新绰源线路车间线路工王磊正和7名工友穿着厚重的羽绒大衣，脚上套着毡疙瘩，一字排开蹲在线路中心处理冻害。

　　位于大兴安岭中段的绰河源镇群山围绕，全年无霜期仅有90天，冬季最低气温可达零下40℃，由博克图镇至塔尔气镇的铁路线，每天通行一对公益“慢火车”，是大山深处近万名林业职工和家属走出大山的唯一一条铁路线。

　　今年春运，6239次“慢火车”迎来返乡高峰，而此时正是冻害发生最频繁的时段。

　　268处，这是近一个月以来，工队处理的冻害数量。“博林线周围地下水极为丰富，线路又在群山中穿行，冬季水遇低温结冰膨胀，就会导致基床不均匀隆起产生冻害，造成列车颠簸甚至影响行车安全。”今年是王磊在绰河源度过的第四个春运，虽然环境艰苦，但谈起自己的工作他特别自豪，“工区管辖范围内的冻害是普通线路的50倍以上，我们每天6点出发，争分夺秒地赶在列车通过前处理好，让返乡过年的旅客安全、平稳地乘坐列车。”

　　冬天的山区尤为寂静，撬棍与钢轨碰撞的响声在树林中越传越远，此时作业组已经持续蹲着作业1个多小时，大家的帽子、睫毛全都挂了霜。在队伍中间的王磊，刚开始蹲在线路中心，时间一长腰酸腿麻，他感觉上不来气，干脆跪在轨枕上。

　　“小磊，你去撒垫板，数量我写在轨枕上了。”工长解子学向王磊喊，处理冻害是个慢功夫，需要在轨底垫上一定厚度的橡胶垫板，使凹凸不平的线路变得平顺。长时间的下蹲，哪怕是从业多年的工长也有点吃不消。工长和工友轮流换下王磊，让他去干点轻活。

　　11时36分，对讲机传来6239次列车接近的消息，工队迅速清理现场、摆放扣件、复紧螺栓，仅一上午，就用光了500多个胶垫。一套工序结束后，工长解子学整个身子趴到钢轨上，耳朵和脸几乎贴到地面，眯着眼睛目测检查维修后的轨道平顺度，用道尺测量无误后这处冻害就算完活了。

　　工队下道接车后，也到了午休时间，拿出车间准备的韭菜鸡蛋和猪肉葱花馅饺子，王磊从麻袋中掏出几块垫板在积雪上压出一个座位，和工队围成一圈，有说有笑地吃起午饭。“等忙完春运，我就能回家吃我老妈包的饺子了。”王磊说，饭后他们还要赶到下一个养护线路。

　　《光明日报》（ 2023年01月09日 10版）

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