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
从收官日金牌到首日金牌，武大靖的1444天******
中新网客户端北京2月5日电(记者 李赫)从2018年2月22日到2022年2月5日，时隔1444天，中国军团再迎冬奥金牌。
对于开幕式后首日便顺利夺金的中国代表团来说，这样的等待并不漫长。
因为4年前在平昌，这份等待经过了13个比赛日，才在短道速滑收官日当天收到回应。
武大靖冲线瞬间。从中国代表团平昌冬奥“首金”，到中国代表团北京冬奥“首金”，时隔1444天，武大靖再登冬奥最高领奖台。
对于领军出征的武大靖来说，这份坚守并不容易，它意味着超过47个月的孜孜以求。更何况滑向北京冬奥的四年，武大靖的旅程并不平坦。
在2018年平昌冬奥会上以无可撼动的优势夺得男子500米冠军之后，武大靖成为中国短道速滑队的核心。而世界赛场上，他在男子500米短道速滑的冰面上也一度所向披靡。
2021年11月27日，荷兰多德雷赫特，21/22短道速滑世界杯上，武大靖在比赛中。图片来源：视觉中国在同年底进行的卡尔加里和盐湖城世界杯赛中，武大靖不仅在男子500米项目上一骑绝尘，还在一年当中第三次打破世界纪录，风光一时无两。
然而在那之后，武大靖的状态有所波动。进入本赛季，武大靖的稳定性仍令人捏把汗。本赛季短道速滑世界杯，武大靖在北京站决赛中抢跑出局，在日本站未能晋级半决赛，在匈牙利站决赛中被碰倒后仅获第四，直至荷兰收官站才收获赛季个人首冠。
北京冬奥临近，武大靖在“慢热”的状态里与自己较劲，竞争者们却迅速成长。
2018年2月23日，冬奥会短道速滑男子5000米接力奖牌颁奖仪式在韩国平昌举行。匈牙利在华裔兄弟刘少林、刘少昂的带领下在项目上夺得金牌，中国摘银，加拿大获得铜牌。图为匈牙利运动员跳上领奖台。中新社记者 崔楠 摄武大靖身边，队友任子威状态正佳，匈牙利的刘少林、刘少昂兄弟实力愈发强劲。在平昌为匈牙利历史性地拿到冬奥会金牌后，他们更希望在单项上有所突破。本赛季世界杯匈牙利站男子500米决赛，刘少林、刘少昂兄弟便战胜武大靖、任子威包揽了冠亚军。
不仅如此，疫情的“搅局”、主场作战的压力、作为本届中国代表团唯一一位奥运冠军所背负的期许，这些都让武大靖一路走来的每一步显得更加沉重。
面对这些困难，武大靖咬牙顶住。
资料图：2018年2月23日，平昌冬奥会短道速滑男子500米奖牌颁奖仪式在韩国平昌举行，中国选手武大靖在该项目上夺得金牌，这也是中国代表团在平昌冬奥会上的首枚金牌。图为武大靖在获颁金牌后手指胸前五星红旗。中新社记者 崔楠 摄“我会加强训练，把自己最好的状态呈现在北京冬奥会。”
几天前，中国短道速滑队进行了虎年首练。这场训练，中国队正是围绕接力展开，加强了交接棒配合。
“今天以适应冰场为主，团队在接力项目很有竞争力。我们全力以赴，给中国代表团打个样。”武大靖再次坚定表态。
正是这份坚毅陪伴着武大靖一路走来，从女队陪练成为奥运冠军，在奥运冠军的位置上收获又一枚奥运金牌。
当地时间2月23日，2018平昌冬奥会短道速滑男子500米颁奖仪式在平昌奥运村举行，夺得金牌的中国选手武大靖登台领奖。也是这份坚毅支撑着武大靖走过平昌“首金”后的1444天。终于，武大靖和他的队友们一起，让中国代表团的“首金”，不再需要漫长的等待。
北京冬奥会赛程还长。武大靖和他领衔的中国短道速滑队，有机会让这份坚守兑现更多。(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
乐发lv地图 |
)