马玉山(中)在工作中。 受访者 供图
2010年,吴忠仪表厂改制吴忠仪表有限责任公司,彼时,国产阀价低质劣,国产装备用的高端阀被进口阀所垄断。“我是做产品设计出身的,我也清楚,只有做高端阀,企业才有出路,才能解决进口阀‘卡脖子’的问题。”马玉山就此萌发了自主制造高端阀的念头。
于是,马玉山带领团队,一步步在制造高端阀的路上攻坚克难。“在研发过程中,我们也经常失败,这时就及时总结经验来完善。”马玉山说。
“尤其是在煤化工领域,我们取得了突破。”马玉山介绍,大量煤化工所需的控制阀产品都需要耐高温高压和强腐蚀,国外产品也难以满足。他所在的团队经过攻坚,在该领域实现了突破:2013年,投资500亿元的全球单套规模最大煤制油项目在宁夏启动,马玉山团队负责研发该项目的控制阀。凭借着整个团队的努力,吴忠仪表取得了440多项发明和实用新型专利,解决了制约流程工业自动控制装备国产化中众多“卡脖子”项目。
此外,马玉山还积极为西部地区的工业人才培养贡献力量。“我们通过高薪聘请顶尖人才,并以‘师傅带徒弟’的形式培养宁夏本地人才,形成了一座完整的人才‘金字塔’。”马玉山说,未来,他的团队希望在低温领域、海洋工程、航空航天等的关键基础零部件领域去拓展,为“大国重器”的智能制造做出自己的贡献。(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() |