加拿大多伦多一小型飞机在机场旁的繁忙公路迫降******
中新网多伦多1月16日电 (记者 余瑞冬)一架小型飞机1月16日在加拿大大多伦多地区万锦市(Markham)迫降到一个机场外侧一条繁忙的公路上。
出事的Slingsby T67C轻型飞机已被移至机场一角停放。 余瑞冬 摄事发于当日约中午时分。一架正准备降落于巴顿维尔(Buttonville)机场的Slingsby T67C轻型飞机在降落时出现意外，最后在机场北侧的公路上迫降。
出事飞机的起落架已损坏。 余瑞冬 摄媒体公布的事发现场画面显示，飞机迫降后侧倾于路面。机头和左机翼明显着地。
当地警方一度需要关闭事发路段。警方表示，无人在事件中受伤。
出事飞机在当天下午被移回机场，出事路段交通恢复正常。记者看到，其机身与左机翼有明显损伤，并已失去前、左起落架。
警方初步调查显示，事故可能是因有人在飞机着陆时错过位置而导致。加拿大交通安全委员会已对此次事故展开调查。
出事机型是单引擎轻型飞机，一般用作教练机。
巴顿维尔机场是该地区一个以航空教学为主的机场，且位于生活区、商业区和地面交通干道附近。2022年4月，曾有一架小型飞机在该机场西北侧的高速公路旁，造成飞机严重受损，但机上人员无虞。
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 家彩网地图 |
