乐发lv投注-乐发lv下载app

来源：乐发lv充值2021-02-06 17:48

从“物流追踪网”到巨能“翅膀” 天舟护送“太空快递”安全签收******

　　中新网北京5月10日电 (王雪姣马帅莎)5月10日凌晨，太空“快递小哥”天舟四号货运飞船，在专属“物流车”长征七号遥五运载火箭的搭载下，顺利升空，踏上空间站的货物运送旅途。

　　科研人员为天舟四号配备了三重安全防护，打造了一张“物流追踪网络”和巨能“翅膀”，保证“太空快递”安全“签收”。

　　三重安全防护举措守护“物流车”安全

　　火箭发射具有一定风险，中国电科集团研制的地面安全遥控系统是火箭发射的必要条件，用于发射任务的主动段，通过对火箭发射过程中的数据进行实时动态监控，来分析判断火箭状态。一旦飞行出现异常，设备将发送特殊指令启动自毁装置，最大程度避免火箭坠地造成的危害。

　　运载火箭上还安装了脉冲相参应答机，作为火箭飞行主动段重要的外弹道测量设备，它可以与地面雷达协同完成运载火箭全程实时航迹测量，实时传送火箭的精确位置、速度信息，为研判正常飞行提供决策支撑。

　　除了依靠光学跟踪、火箭上的设备对火箭监测以外，科研人员专门配备了精密测量雷达。此次发射，中国电科集团研制配备了国内首部大口径雷达遥测一体化系统，可实现对火箭精密跟踪，同时承担火箭遥测信号下行接收与解调工作，对火箭的安全飞行具有重要意义。

5月10日1时56分，搭载天舟四号货运飞船的长征七号遥五运载火箭，在中国文昌航天发射场成功发射。中新社记者骆云飞摄

　　测控“天罗地网” 畅通物流配送通道

　　在运送物资过程中，为了实时捕捉、监控“快递员”的运送轨迹，科研人员在陆海空天、国内外各测控站点，布设了多型号统一测控系统、遥测系统、中继卫星等，共同织就立体通信测控网，全方位、无死角地追踪捕捉“快递”位置。

　　在火箭送飞行器入轨的过程中，多型号统一测控系统、遥测系统、系列测控通信设备，编织成高效可靠的“空-地信息高速公路网”，通过接收和发送指令，精确测量火箭和飞行器的速度、距离、飞行姿态和角度，为火箭发射和天舟四号成功入轨提供精确数据，控制飞行器按照预定轨迹飞行。

　　在海上，新一代船载测量雷达可在测量船摇摆的情况下得到和地面一样高的测量精度，有效弥补陆地测量时间不足，延长测量弧段。

　　“超稳”太阳电池阵为物资飞天插上巨能“翅膀”

　　据悉，中国空间站组合体连续工作一天的用电量抵得上一个家庭约一年的用电量。要想满足如此高的用电需求，中国电科为空间站的每一个航天器，打造了各具特色的巨能“翅膀”，它们组合起来宛如一座巨大的“能量加油站”。

　　其中，为天舟货运飞船打造的国内独创半刚性太阳电池阵“翅膀”，具备高能量、大功率等优势，两翼供电能力超过8kW，其一天的发电量就能满足普通家庭半个多月的用电量。

　　作为一款高电压、万瓦级的大功率太阳电池阵产品，半刚性太阳电池阵以“碳纤维框架+玻璃纤维网格结构”为基板，在继承天舟一号半刚性太阳电池阵技术基础上，天舟四号货运飞船使用的太阳电池阵产品，进一步提高了三结砷化镓太阳电池效率，解决了低轨道高电压太阳电池阵防静电充/放电等问题，降低了太阳电池阵工作温度，让天舟四号这个“大体格”也能“一飞冲天”，顺利将各种物资运往太空。(完)

乐发lv投注

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（）