点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
“00后”消防员的春节：我守护万家灯火，愿你渐入“家”境******
中新网北京1月18日电(韦香惠)“起床——”小年清晨的第一声“起床哨”，在消防员王中嗣听来亲切而又响亮。尽管春节临近，他依然还在执行森林巡护任务，一刻不敢松懈。
出生于2000年的王中嗣，2019年参加工作，现已是内蒙古大兴安岭森林消防支队的一名班长，去年12月来江西省九江市执行跨省驻防任务。
图为王中嗣带队执行巡护任务 受访者供图“今天是小年，大扫除的好日子，大家动作都快一点，一会还要交代防火执勤的注意事项……”作为班长，王中嗣早已养成提前10分钟起床的习惯，总是第一个整理好内务、洗漱，再督导各班内务卫生。
“班长，稍等5分钟，我给我爸妈打个电话。”班里一位队员的“口头假条”提醒王中嗣，小年的日子里，该向父母打个电话了。
“爸，妈，家里年货都置办了吧？我邮了些江西的特产给你们，今年又要在外地过年了，您二老保重！”短短的三两句话，王中嗣却不由得愧疚起来。
这是王中嗣成为森林消防员的第四年，也是他第二次独自在外过年。
庐山五老峰山间，坡度70度左右的悬崖峭壁之上，直线距离1.2公里，山路却走了近1个小时。一支由30人组成的巡山小分队背着20余公斤的灭火装备，厚厚的防火服，走进荆棘遍布的丛林，进行艰难的爬行，他们橙红色的身影远远看上去十分耀眼。
“翻过这个山头，到下一个山头就可以歇会儿了。”王中嗣给大家鼓劲儿。气温零下1°C、风力6级的天气条件下，“白天出透汗，早晚凉透心”，直到正月十五，这都将是消防员们每天巡护的“必修课”。
图为王中嗣带队执行巡护任务 受访者供图“巡护执勤看似非常枯燥，实际意义却重大，江西省的自然生态环境非常好，名胜古迹数不胜数，现在正值秋冬季防火紧要期，防火更是重中之重。”队员们都很佩服这位年龄不大，但灭火经验丰富的“00后”班长。
“南方和北方的自然环境真是差别太大了，这山的坡度都快成直角了。”回忆起前段时间参加九江市都昌“12·26”森林火灾的灭火救援任务，同班的消防员李凯心有余悸，“要不是王班长拽我一下，那棵倒木可能就砸我脑瓜子上来了，而不是砸在风机筒上了”。
在王中嗣看来，火场上瞬息万变，加上这里山势陡峭，每次出任务都不能掉以轻心。“其实，上山巡护我们都习以为常了，春节期间任务重，我们也只是干好本职工作，而且平时训练到位，这点苦不算啥。”
天色渐暗，庐山的秀丽景色掩入深重的雾气之中。巡护结束，王中嗣向中队长报告，这天的执勤情况一切正常。
返回营区途中，他给家里人发去信息，“春节，是一年里最重要的日子，过年，是渴望故乡重逢的时节，团聚，是值得重温的美好回忆。但对于有些人来说，是使命任务在肩，是坚守战斗岗位，是守护万家灯火”。(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
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
盈彩地图 |
)