中国信科陈山枝：应将“5G兼容、6G融合”作为我国卫星互联网技术路径******
光明网讯（记者 李政葳）1月6日，在由中国工信出版传媒集团主办，北京信通传媒·通信世界全媒体承办的“2023ICT行业趋势年会”上，中国信息通信科技集团副总经理、总工程师、科技委主任陈山枝表示，面向6G、星地融合并以用户为中心的弹性可定制网络将助力6G实现全域覆盖、场景智联。
无线移动通信系统十年演进一代，从4G改变生活，到5G改变社会，网络覆盖逐渐向行业应用延伸。“当前4G和5G等陆地移动通信系统在行业应用中有一定局限，面对行业应用的广域与空间覆盖稀疏性和分散性，卫星移动通信大有可为。”针对星地融合发展，陈山枝提出三大趋势：
一是卫星与地面蜂窝系统由竞争转变为互补。随着移动通信走向万物互联，人类活动空间拓展、环境监测、军事应用、行业应用等需求强盛，引入卫星通信能够更好地满足通信需求。借助卫星通信，城市与乡镇通过基站覆盖，发挥容量和规模成本优势，实现海量接入；偏远地区与海洋通过卫星覆盖，发挥覆盖优势，可以节省建设成本。因此，以较低成本构建卫星互联网，作为5G／6G地面覆盖的补充，形成星地融合组网，可支撑多样化的服务和应用。
二是卫星互联网与地面蜂窝系统体制走向融合。传统卫星通信技术体制多、不兼容、产业规模小、成本高，无规模经济优势。近年来，业界纷纷开展基于5G体制的卫星互联网星座组网探索，比如，ITU开展了下一代卫星通信相关研究；3GPP开展了NTN（非地面网络）标准制定；ETSI Set 5G联盟开展了融合网络研究工作等，有效规范了卫星互联网发展标准化，促进了卫星通信与蜂窝通信在体制上的融合。
三是不同需求有不同组网模式。针对不同应用场景，星地融合系统具有灵活的组网模式可以解决相应问题，适应不同场景需求。采用透明转发的独立组网模式与地面互联互通，可应用于技术复杂度低、建网成本低的场景，助力解决中继通讯的问题；采用高频段星上处理独立组网模式与地面网络互联互通，适合大容量高速数据传输，适用于车载、机载、船载或者固定接入通信。
“鉴于低轨卫星通信与地面蜂窝通信的差异，星地融合也面临诸多挑战。”陈山枝认为，星地融合还需要在信道建模、链路预算等基础问题，透明转发、星上处理等网络架构，传播参数、信道设计等物理层关键技术，移动性管理、用户面协议等高层关键技术等方面进行攻关。
对于星地融合未来的发展趋势，他认为，星地融合演进路径：从5G体制融合走向6G系统融合；6G星地融合关键技术：实现卫星与地面蜂窝通信有机融合。
陈山枝建议，应将“5G兼容、6G融合”作为我国卫星互联网的技术路径。
其中，5G兼容（体制融合）抢占先机、奠定基础，以5G技术为基础，根据卫星链路等差异化，针对性修改和优化的低轨卫星通信系统；最大程度复用5G技术，并利用5G规模经济，降低成本，实现差异化竞争优势。
6G融合（系统融合）达到全球引领，实现陆地移动通信和高中低轨卫星通信的有机融合；形成卫星与地面蜂窝通信的统一空口、统一接入、统一认证方案；支持终端在星地间无缝切换，跨运营商漫游。
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
