至尊彩票开户_至尊彩票赔率

多光子非线性量子干涉首次实现 为新型量子态制备等应用奠定基础******

　　科技日报合肥1月16日电 (记者吴长锋)记者16日从中国科学技术大学获悉，该校郭光灿院士团队任希锋研究组与国外同行合作，基于光量子集成芯片，在国际上首次展示了四光子非线性产生过程的干涉。相关成果日前发表在光学权威学术期刊《光学》上。

　　量子干涉是众多量子应用的基础，特别是近年来基于路径不可区分性产生的非线性干涉过程越来越引起人们的关注。尽管双光子非线性干涉过程已经实现了20多年，并且在许多新兴量子技术中得到应用，直到2017年，人们才在理论上将该现象扩展到多光子过程，但实验上由于需要极高的相位稳定性和路径重合性，一直未获得新进展。光量子集成芯片，以其极高的相位稳定性和可重构性逐渐发展成为展示新型量子应用、开发新型量子器件的理想平台，也为多光子非线性干涉研究提供了实现的可能性。

　　任希锋研究组长期致力于硅基光量子集成芯片开发及相关应用研究并取得系列重要进展。在前工作基础上，研究组通过进一步将多光子量子光源模块、滤波模块和延时模块等结构片上级联，在国际上首次展示了四光子非线性产生过程的相干相长、相消过程，其四光子干涉可见度为0.78。而双光子符合并未观测到随相位的明显变化，这同理论预期一致。整个实验在一个尺寸仅为3.8×0.8平方毫米的硅基集成光子芯片上完成。

　　这一成果成功地将两光子非线性干涉过程扩展到多光子过程，为新型量子态制备、远程量子计量以及新的非局域多光子干涉效应观测等应用奠定了基础。审稿人一致认为这是一个重要的研究工作，并给出了高度评价：该芯片设计精良，包含多种集成光学元件，如纠缠光子源、干涉仪、频率滤波器/组合器；这项工作推动了集成光子量子信息科学与技术研究领域的发展。

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）