彩神ap骗局|在线用户注册平台 | 官网APP下载

来源：彩神ap手机版2024-10-02 17:48

二十大代表风采丨旦增顿珠：二十余年匠人经历诠释西藏民族工业精神******

　　中新网拉萨10月8日电题：旦增顿珠：二十余年匠人经历诠释西藏民族工业精神

　　中新网记者赵朗

　　40岁的旦增顿珠与同事们仍奋战在24小时不间断的水泥生产一线，新冠肺炎疫情之下，工作内容与往日并无不同。他说，在这特殊时期，仍在正常生产，保供重点工程项目。

　　旦增顿珠是西藏高争建材股份有限公司(原拉萨水泥厂)副总经理、制成车间主任，他在这里已经工作了22年。在去年，他获得了全国五一劳动奖章。

　　他所工作的这家水泥厂是西藏最早的为数不多的现代化工业企业之一，1962年开始投产。自2000年中专毕业进入该企业后，这位普通年轻人的人生便与西藏民族工业发展有着千丝万缕的联系。

　　电话采访中，他告诉记者，刚进工厂第一年，在行政岗位，直到2004年，走上了技术岗位，参与到生产一线中。他说：“起初跟着厂里的师父学习，因为感兴趣，也经常自己琢磨研究，做笔记，研究操作、观察数据，经常从实践中验证学习的理论知识。”

图为旦增顿珠(右)与同事。　旦增顿珠本人供图

　　在外人看来枯燥的岗位，旦增顿珠却乐享其中，性格好动，喜欢研究机械。于他而言，这份职业似乎早早为他定位了人生的发展方向。

　　在热爱中，旦增顿珠创造着自己的职业价值。近20年里，职务虽然变化提升，一直是技术骨干。

　　参与生产中，旦增顿珠也取得了很多让自己和工厂认可的成绩。在担任制成车间主任的6年间，通过他的不断努力，设备运转率年年提高，特别是在2015年创造了公司历史以来水泥磨机单台系统运转率100%的历史记录。他还为公司节约设备维修费100多万元(人民币，下同)。

　　2020年，旦增顿珠在制成车间利用停机时间对设备工艺系统进行了技改，减少了设备的跑、冒、滴、漏现象，极大降低了员工的劳动强度，减少了系统的故障点，提高了运转率。通过系统优化，磨机全年平均每台每小时产量大大提升，水泥电耗降低。2020年全年节约电费700多万元，取得了前所未有的好成绩。

图为旦增顿珠(左)与同事进行技术交流。　旦增顿珠本人供图

　　相较内地其他省区，西藏工业起步比较晚，所以公司也会组织员工到内地参观学习。旦增顿珠格外珍惜每次外出学习的机会。他回忆，早些年去山东的一家水泥厂，算是内地水泥行业中的标杆企业。在那里，绿色工厂让他大开眼界。也让这位走出高原的普通工人对绿色工厂和生态环保有了新的认知，更是让他认知到了西藏工业发展与内地的差距。让他最长见识的是，节能技术方面，“这家水泥厂转化废弃利用，用动能取代了电能”。

　　工厂发展这么多年来，旦增顿珠也见证并参与了水泥生产的技术改革。他说，2008年，厂里生产一线利用水泥煅烧的废气余热进行发电，变动能。2017年，水泥厂改进采用富氧燃烧技术，实现了节能降耗的效果。“西藏本身海拔高缺氧，所以采用这项技术充分燃烧燃料，节约能耗。”

　　“高争是西藏第一家水泥工业企业，到今年刚好60周年。”他说，企业经历了一甲子的变迁，作为二十大代表，他希望在自己擅长的领域中，能有所作为，让这座水泥厂成为西藏自治区的百年民族工业企业，更在高原填补水泥工业技术的空白。(完)

彩神ap骗局

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（）