佰家富app下载|佰家富app技巧

访谈｜ASML全球高级副总裁沈波：开放合作半导体行业才能发展******

　　(第五届进博会)访谈｜ASML全球高级副总裁沈波：开放合作半导体行业才能发展

　　中新社上海11月6日电 题：访谈｜ASML全球高级副总裁沈波：开放合作半导体行业才能发展

　　中新社记者 李佳佳

　　元宇宙体验、光刻机“开箱”视频和H5虚拟课堂，备受外界关注的全球半导体行业供应商ASML在第五届中国国际进口博览会上，首次通过“元宇宙”平台，带来沉浸式的光刻体验，彰显前沿科技。

　　自1988年交付首台步进式光刻机以来，ASML进入中国市场已有三十余年，见证、亲历和支持了中国半导体产业的发展。

　　“今年是ASML第四次参展进博会，我们希望借助进博会的平台不断地展现开放共赢、合作发展的理念。”ASML全球高级副总裁、中国区总裁沈波表示：“ASML一直秉持开放与专注，以‘开放式创新’和对光刻技术的专注，持续支持半导体行业的发展。在进博会，我们可以与全行业甚至跨行业的企业和合作伙伴加深交流，共商合作前景。”

　　首次在进博会亮相的“ASML元宇宙”之旅给此间观展者带去了身临其境的独特体验。在ASML元宇宙空间里，观展者可以“亲身”进入无尘室，近距离接触神秘的光刻机，更可以结合影视级效果的3D裸眼视频，了解光刻机的内部基本原理——光源经过照明模组投向掩模版，再穿过掩模版上的电路图案，通过投影物镜将影像聚焦到晶圆上。“元宇宙”中还有生动的全方位光刻解决方案动画和丰富多样的科普视频，令观展者沉浸式了解更多有关ASML的故事。

　　“每年我们都会思考以什么样的形式参加进博会”，沈波说，去年，进博会的集成电路专区设立，凸显了外界对产业的关注和重视。希望未来在设立专区的基础上，能够增加宣传和引导，比如举办一些专题或者小论坛，以加深外界对行业的了解。

　　其实，除了光刻机，ASML在芯片制造的成像环节也会提供全方位的光刻解决方案，从光刻机设备本身到计算光刻软件，再到芯片生产过程的量测、缺陷的检查等，ASML均有涉猎。“我们更想跟大家讲讲怎么帮助客户在芯片生产的过程中，在我们的环节上做出足够大的工艺窗口，让芯片生产的质量、精度能够控制得更好，或者让客户的技术进步更顺畅地向前。这是我们今年进博会主要的出发点。”

　　当前，中国已是全世界最大的成熟制程市场，这俨然成为行业的共识。“中国在整个半导体产业链中扮演非常重要的角色，这是所谓‘不确定性中的确定性’。在这种确定的情况下，中国该怎么发展成熟制程，怎么把成熟制程做好，怎么在全球的半导体产业链里把自己重要的角色扮演好，从这个角度看，中国市场的潜力是很大的，中国有全世界最大的终端市场，最活跃的应用市场，终端市场、应用市场反过来可以推动上游设计、制造方面的发展创新。”

　　说起行业未来的发展，沈波坦言，半导体行业自身有一定的周期，有起有伏不是新鲜事。但是从半导体行业过去多年的发展和对未来的预期来看，整体向上的趋势是在的，“只要大趋势在，就会要求有更多的计算、更多的存储、更多新的应用支持，就会带动半导体行业的需求量向上”。(完)

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）