大发平台漏洞_在线用户注册平台 | 官网APP下载

蔡晓东：以生命赴使命 用热血铸忠诚******

　　“警察，别动！”西南边境，深山密林，一时间枪声四起，蔡晓东正追捕着持枪毒贩。即使被毒贩射伤，他仍一边护住紧随其后的战友，一边英勇还击。

　　这不是在拍电影，而是云南出入境边防检查总站西双版纳边境管理支队执法调查队原副队长蔡晓东生前最后的画面。危险关头，他把生的希望留给了战友、把危险留给了自己。

　　蔡晓东出身于警察家庭，父亲蔡德福也曾是一名奋战在刑侦和缉毒战线的警察。2006年，蔡晓东毅然投笔从戎，加入英雄辈出的集体——原云南公安边防总队，先后在原西双版纳边防支队曼庄边防工作站、勐腊大队侦查队、支队侦查队等单位工作。

　　不论在哪个岗位，蔡晓东总是兢兢业业、任劳任怨。在勐腊大队侦查队时，他先后数百次深入边境一线调研，将辖区各个边境村寨、边境小路都在地图上准确无误地标出来，是名副其实的“活地图”；到支队侦查队任职后，他认真分析总结毒品犯罪规律特点，研究出涵盖设伏堵卡、公开查缉、延伸侦查、调查取证等多套系统的缉毒技战法。

　　从警后，蔡晓东更加理解父亲的辛苦、职责和荣耀，也更明白自己选择的不只是一种职业，更是一份责任。

　　未曾想，从警15年的那个冬天，蔡晓东在缉毒抓捕行动中壮烈牺牲，生命永远定格在38岁。他牺牲后，被追授全国公安系统一级英雄模范、云南省优秀共产党员等称号。

　　蔡晓东的从警生涯中，充满了常人难以想象的勇敢和顽强。他参与侦办的每一起毒品案件，充满了惊心动魄，是他出生入死的真实写照。

　　2017年7月，蔡晓东得到线索：有人在境外囤积大批毒品，可能要运往境内。经过近3个月的周密研判、深入排查，他最终锁定嫌疑人。在收网抓捕过程中，嫌疑车辆突然加大油门试图强行冲卡。

　　“警察！别动！”蔡晓东顾不得车还没停稳，大步跃出车外，持枪上前，一边大喊，一边用枪托砸着嫌疑车辆的车窗。嫌疑车辆加速后退，他迅速跟上，砸碎车窗，伸手拉开车门。两名战友迅速赶到，控制住犯罪嫌疑人。此案一举查获冰毒169.7千克，抓获犯罪嫌疑人2名。

　　清点毒品时，蔡晓东才发现，自己的右臂被车窗玻璃划出深深的口子，玻璃碎片还扎在手臂上，鲜血直流。

　　在战友眼中，蔡晓东是工作中的好领导，生活中的好兄弟、好大哥。大家对蔡晓东的印象都是“待人亲切、没有架子”。平时，队里民警有婚恋问题、求医问诊等各种困难他都牵挂于心。

　　蔡晓东特别注重培养缉毒骨干。他总是在侦查案件过程中手把手地向年轻战友传授物建工作关系、数据研判、调查取证等技巧，把一个个侦查员培养成案侦岗位上的行家里手。

　　在孩子眼中，蔡晓东成了“隐形人”。从事缉毒工作13年，加班熬夜成了蔡晓东的家常便饭，有时他在案子上一盯就是几个星期。每天，孩子还没起床他就已经出门，晚上到家时孩子早已入睡。

　　曾有人问蔡晓东的女儿：“你爸爸是干什么的？”

　　女儿脱口而出：“加班的！”

　　执行生前最后一次抓捕任务前，蔡晓东请了一天假，带着妻子和女儿出去游玩。刚到景区没多久，电话铃声就响了，他只能满怀愧疚地对妻子说：“老婆，我任务来了。”

　　没想到，这一去，竟是永别。

　　“人抓到了没？”成了蔡晓东留下的最后一句话。

　　蔡晓东英勇牺牲后，战友们含泪帮他总结了一份工作“成绩单”：15年来，荣立个人一等功、二等功、三等功各1次；参与侦办毒品案件247起，参加专项缉毒行动358次，抓获犯罪嫌疑人249名，缴获毒品1609.56千克，培养带领了32名民警立功受奖。

　　在生死考验面前，蔡晓东以热血为刃、肉身作盾，每一次都冲在最前，捍卫着人民的安宁，守护着正义的阳光，从未退缩。他用鲜血和生命书写了人民警察的英勇无畏，用实际行动诠释了“人民公安为人民”的铮铮誓言。（徐婷）

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）