点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
美媒披露美司法部未让FBI介入拜登机密文件搜查******
中新网1月18日电 据美国《华尔街日报》当地时间17日报道，知情人士透露，美国司法部经过考虑后未让联邦调查局(FBI)人员监督美国总统拜登的律师在其住所进行机密文件的搜查工作。
资料图：拜登。据报道，司法部的理由是这能避免调查的后期阶段复杂化，且拜登的律师已积极配合，迅速移交了在私人办公室搜出的第一批文件。消息人士表示，司法部和拜登律师方面都对此表示同意。
近期，美媒接连爆料出在拜登前办公室和住所等地发现机密文件。美国司法部已任命特别检察官，调查拜登任副总统期间可能存在的不当处理机密文件的问题。
目前，这一事件正在美国持续发酵。鉴于最早的一批遗留机密文件在2022年中期选举前就已发现，美国舆论对白宫迟至2023年1月才披露有关信息的动机和透明度提出质疑。
此前，2022年8月FBI突查特朗普私人住所海湖庄园，并在其中发现机密文件一事也被美媒拿来与此事对比。
有媒体称，特朗普当时“拒绝配合”，而拜登迅速将密件移交美国国家档案和管理局；也有媒体表示，特朗普密件事件后立即出现大量确切细节，拜登密件事件后白宫发布的声明“不够完整、不断变化”，此外，涉密文件的数量等差异也被拿来比较。
然而由于刑事调查仍在进行中，司法部和特别检察官办公室未就这两件事之间的区别发表评论。
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（）  视觉焦点
盈彩地图 |
)