凤凰彩票官网网址|凤凰彩票娱乐

挑战桥梁建设难关的“巾帼英雄”——记贵州公路集团总工程师张胜林******

　　【劳动者风采】

　　光明日报记者 吕慎 陈冠合

　　很难想象，一位看似柔弱的女子常年跋涉在人迹罕至的山川峡谷间，指挥建造起一座座巨大的桥梁。贵州公路集团总工程师张胜林就是这样一位巾帼英雄，她怀着改变家乡面貌的初心和使命，风雨无阻，矢志不渝，足迹遍布黔山贵水。

　　生在贵州的张胜林从小就对家乡千沟万壑、交通闭塞有着刻骨铭心的记忆，梦想着有一天能飞出大山。高考时，本来想学生物工程的她却被北京工业大学交通工程专业录取，从此就跟钢筋水泥打起了交道。

　　20世纪90年代初，正值北京城市交通蓬勃发展的时期，张胜林经常跟着老师和专家来到立交桥的施工现场，巨型的机械、构件，让她大开眼界。“那时我就爱上了造桥这项工作，迫不及待想把学到的知识用到家乡的建设中！”

　　1993年，刚毕业的张胜林作为一线技术员，参与了贵州省瓮安县江界河大桥建设。第一次去现场，为了寻找最佳的设备安装位置，她徒手爬上高梯，任务完成了，腿还在颤抖。

　　彼时，技术人员少之又少，张胜林一个人承担了项目测量、质检等多项工作。从底模制作、施工放样到安装模板、绑扎钢筋，再到浇筑混凝土、构件安装，每个工艺工序，她都在场。

　　大桥建成，张胜林坐在山岭高处，望着桥上的汽车和行人，幸福感让她忘却了时间，一坐就是几小时……江界河大桥就这样开启了她的梦想之门。

　　建设重庆江津观音岩长江大桥时，由于长江水流湍急，大吨位浮吊无法到达桥位区。她连续熬夜几十天，写下了一本密密麻麻的技术手册，创造出“门式浮吊拼装钢围堰施工工法”，不仅在长江上创造了一个枯水期完成深水基础施工的新纪录，还为该项目节约资金1158万元。

　　建设广州新光大桥时，没有可借鉴的资料，经过艰苦思索、反复试验，张胜林提出了一项新工艺——“拱肋大节段提升安装技术”，对推动行业吊装技术进步具有重大意义，该桥也获得了“詹天佑奖”和“鲁班奖”。

　　“赶上贵州交通发展的大好时机，我是幸运的。”张胜林说，党的十八大以来，在脱贫攻坚伟大事业的带动下，贵州高速公路、高速铁路建设进入了前所未有的繁荣期。

　　“我们贵州的造桥人都有创新基因，因为这里的每一座桥梁都像一件独一无二的艺术品。不仅外观造型不一样，更重要的是桥位区地形地质条件千差万别，设计施工都得拿出与众不同的方案。”

　　贵州大小井特大桥是世界最大跨径的上承式钢管混凝土拱桥，桥台所在山坡峰顶与河底相对高差约250米。张胜林带领团队运用大数据技术，实时数据远程自动传输、存储和报警，实现了塔架自动纠偏和索力自平衡。

　　在建设世界第一混凝土塔高的三塔斜拉桥——贵州平塘特大桥这一世界级工程建设及技术研究中，她组织研发了缆吊与扣挂自动化控制系统，实现了桥梁缆吊和扣挂施工智慧化和精细化施工，平塘特大桥也荣获第38届国际桥梁大会（IBC）古斯塔夫斯·林德撒尔奖。

　　30年来，张胜林参与和主持建造的大小桥梁不计其数，获得两项国家级工法、5项发明专利。她先后被评为全国劳动模范、全国三八红旗手、十大桥梁人物，被誉为“桥梁艺术家”“桥梁女神”“最美造桥人”。

　　“困难只能吓倒懦夫懒汉，而胜利永远属于敢于攀登科学高峰的人。”张胜林说，“每当遇到困难时我总用茅以升先生这句话激励自己，新时代呼唤无数迎难而上的科技工作者，我愿意成为其中一员。”

　　《光明日报》（ 2023年01月05日 04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

　　（文图：赵筱尘 巫邓炎）