1分快3登录|1分快3APP

利用光力系统实现非互易频率转换******

　　记者10日从中国科学技术大学获悉，该校郭光灿院士团队的董春华教授研究组通过光辐射压力实现两光学模式和两机械模式间的相互作用，进而实现了任意两模式间全光控的非互易频率转换。该研究成果日前发表在国际期刊《物理评论快报》上。

　　光学和声学非互易器件在构建基于光子和声子的信息处理和传感系统中是非常重要的元器件。虽然磁诱导非互易已广泛应用于分立光学非互易器件，但在器件集成化方面仍面临挑战。同时，磁诱导声学非互易由于效应较弱，也难以实现集成的声学非互易器件。腔光力学系统是实现无磁非互易的有效系统之一，在之前的工作中研究组已经演示了基于腔光力相互作用的无磁光学环形器。

　　在前期工作基础上，研究组研究了单个微腔中光子和声子的非互易转换。利用两个光学模式和两个机械模式通过光力相互作用构成闭环四模元格，这四个模式具有完全不同的频率，分别为388THz、309THz、117MHz和79MHz。研究组演示了四个模式中任意两个节点之间的非互易转换，包括声子—声子（MHz—MHz）、光子—光子（THz—THz）和光子—声子（THz—MHz）的非互易转换。该非互易转换的原理正是利用光力微腔中的多个模式构建人工规范场，通过控制光的相位实现规范场中几何相位，从而可以实现全光控制的灵活的非互易转换。接下来，在该元格中引入第三个机械模式，实现了声子环形器，该环形器的方向受两个独立的控制光相位决定。

　　据悉，这一研究结果可以推广到微腔内其他的光学模式和机械模式，构建更多节点的混合网络，实现信息在混合网络中的单向传输，这在通讯和信息处理领域具有潜在的应用，特别是在光学波分复用网络和用于连接不同频率下工作的分立量子系统。（记者吴长锋）

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）