各类分子与材料的理论计算与模拟极大地推动了化学与材料等相关领域的发展。然而,经典的量子化学计算的计算量随体系大小呈指数增长,难以用于大分子和凝聚相体系的模拟。分子材料理性设计与工艺条件优化面临着错综复杂的化学反应网络的计算困难。近年来,机器学习技术快速渗透到化学研究的各个领域,成功用于揭示隐藏在大量计算数据与实验数据背后的内在规律、挖掘分子结构与物理化学性质之间的深层次联系、加速复杂体系能量和力的计算。深度学习因其具有自动提取并学习高维度特征的能力,已成为化学科研人员常用的研究方法之一。
水稻是世界上最重要的粮食作物之一,水稻品种的不断改良得益于对种质资源的利用和挖掘,尤其是优异基因挖掘与利用。全球水稻种质资源丰富的遗传多样性为水稻有利性状的遗传改良提供了重要基础。因此,不断推动解析水稻群体基因组多样性,深入挖掘水稻优异自然变异对于水稻育种改良具有重要意义。水稻基因组的单核苷酸多样性(SNP)等传统简单变异作为经典分子工具,已经在水稻群体遗传学领域广泛应用了10年以上,迫切需要开拓新的遗传资源,使得对复杂结构变异的群体遗传学应用开始逐步引起重视。
Powered By Z-BlogPHP 1.7.3
Copyright Your WebSite.Some Rights Reserved.