天天彩票娱乐 - 天天彩票官网网址

人工智能专利助力智慧城市建设与转型******

　　近日，国家工业信息安全发展研究中心、工信部电子知识产权中心发布了《AI创新链产业链融合发展赋能数字经济新时代—中国人工智能专利技术分析报告（2022）》（以下简称“报告”）。报告显示，随着人工智能、大数据、5G、物联网等新一代信息技术的快速发展和应用，从交通到文旅，从安防到家居，人工智能等新一代信息技术正在逐渐改变着人们的生活，也使智慧城市的建设得以实现，并正逐渐向数字化、智能化新模式发展。

　　截至2022年9月，我国智慧城市领域申请AI相关专利共计18万余件，其中发明专利占比约90%，主要涉及知识图谱、计算机视觉、大数据、自然语言处理、智能语音和智能云等相关AI技术。报告显示，百度公司、腾讯公司、国家电网、平安科技专利申请数量均超过1900件，形成了一定的专利技术产业化竞争力。与此同时，浙江大学、清华大学两所高校在该领域表现也较为突出，在智慧城市领域的AI专利申请量均达900余件，通过产学研联合发力，为智慧城市领域创新链的发展提供全新的维度和方案。

　　图1 中国智慧城市AI专利申请量和授权量

　　报告显示，依据“创造力”、“保护力”、“运用力”、“竞争力”、“影响力”五大指标维度对智慧城市AI技术的主要创新主体进行高价值专利及其创新驱动力评价，我国企业申请人优势明显，有7家企业和3所国内一流高校得分相对较高，足见该领域人工智能技术产业端应用相对较为成熟。

　　在企业层面，我国一批互联网、科技企业表现较为突出，通过人工智能技术的研发积累，在各自领域为赋能智慧城市建设奠定了坚实的技术基础，推动了其智慧城市产品的开发和应用。百度公司主要围绕计算机视觉、自然语言处理、知识图谱等多个AI基础技术领域进行专利布局，与北京市海淀区携手打造的“海淀城市大脑”，依托飞桨深度学习平台，构建兼容异构算力设备和多元算法模型的AI计算中心，提供基础算力和算法资源的统一集中管理、按需分配，支撑了50余个城市管理领域的AI应用创新。腾讯公司则瞄准数字政务、城市治理、城市决策和产业互联等相关技术领域布局专利，与长沙市依托“WeCity未来城市”平台，联手打造长沙智慧城市能力核心——“长沙城市超级大脑”，支撑全市各级各部门数据需求，快速支撑人工智能场景，以标准化、智能化方式提升各级政府办事、办公效率。国家电网主要围绕电力管理与检测领域技术进行专利布局，其推出的“智慧城市大脑”综合应用服务产品，以电力数据为核心、融合汇聚城市经济、人口、楼市等多元化城市数据，持续推进城市经济监测分析、人口流动分析、疫情影响监测分析、住宅空置监测分析等智能场景的部署运营。华为公司主要围绕计算机视觉、自然语言处理等多个AI基础技术领域进行专利布局，其参与的数字福州建设，通过构建共性能力平台，赋能各垂直部委信息化系统建设，在减少重复性建设投资的同时，发挥数据融合价值，加速智慧城市建设。

　　在高校创新端，我国一批国内重点高校表现突出，研究领域涉及智能感知、安防监控、数据管理、城市规划、智慧政务、灾害模拟等，通过产学研合作，建立联合实验室、创新平台和创新中心，与企业开展共同研发，校企联合发力，共同攻关，赋能我国智慧城市试点建设，为城市管理构建成熟的“智慧大脑”与完整的“神经网络”，推动城市管理各环节的互联互通，助力未来城市建设发展模式的深刻变化。浙江大学重点围绕城乡规划、社会综治、数据治理等应用领域进行专利布局，并于2010年与国脉互联公司联合成立我国首个“智慧城市研究中心”，校企联合共同推动我国智慧城市快速发展。清华大学围绕深度学习、计算机视觉等技术领域布局专利，2019年与广联达公司共建“数字城市实验室”，共同推动新型智慧城市建设。

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）