竹子“变身”高透光电磁屏蔽材料******

　　竹材是一种常见的生物质材料，具有可持续性、生长速度快、资源丰富等优点，被广泛用于家具制造及家居装饰用材领域。但是，你见过透光竹材吗？它不仅透光还可以隔热、保温、屏蔽电磁，这样神奇的材料是怎么制成的呢？

　　近日，南京林业大学家居与工业设计学院吴燕教授领衔的课题组，通过一种简单高效的处理方式，将竹材转化为具有良好光学性能的透光原竹和透明竹片，同时保留了原竹天然形状和纤维素骨架结构。日前，相关研究论文发表于国际期刊《纳微快报》。

　　科技创新将竹材利用最大化，竹材逐渐作为木材、塑料、钢筋等材料的替代品被开发利用，形成了重组竹、竹编工艺品、竹纤维制品、竹碳制品等100多个系列上万个品种，竹材产品已经覆盖生产生活的各个领域。我国是世界竹材产品生产、贸易第一大国，2020年，全国竹产业产值近3200亿元。

　　随着人们对家居环境个性化装饰需求的日益增多，将竹材等环保材料转化为新型材料的研究越来越多，吴燕课题组的研究便是其中之一。

　　论文第一作者王晶介绍，透光竹材的制备主要分为两个步骤，第一步是去除发色基团，第二步是浸渍折射率与竹纤维素模板相同的聚合物。

　　由于竹材的孔隙率较低，竹材去除木质素和浸渍聚合物的时间比巴沙木、杨木等密度较小的木材要长，因此制备具有一定厚度的透光竹材是一项挑战。

　　该课题组选取5年生毛竹为原材料，将去青后的原竹浸泡在过氧化氢和乙酸混合溶液中，再利用简单的化学预处理脱除原竹中的木质素，木质素的去除会导致更多孔隙出现，有利于下一步的填充过程。最后向竹纤维素模板中填充折射率指数与其相匹配的树脂，再经过快速固化工艺，一款具有优异光学传输性能、抗拉伸性能、表面装饰性和美学价值的透光竹材便应运而生了。与其他不同聚合物浸渍方法制备的生物质透明样品相比，透光原竹固化时间非常短，因此显示出显著的快速制备加工潜力。

　　“此类将原竹直接加工成竹纤维素模板再合成透明材料的方法，将大大减少前期原料机械加工和后期原料成型的步骤，不仅减少了能耗，也减少石化资源的浪费。”吴燕说。同时，这个方法还可以用于处理其他高密度、低孔隙率的生物质材料。

　　据介绍，透光竹材的壁厚可达6.23毫米，透光率约60%，照度为1000勒克斯，吸水质量变化率小于4%，纵向抗拉强度达到46.40兆帕，表面性能为80.2HD（布氏硬度计测试出来的硬度单位）。

　　吴燕教授领衔的课题组将透光原竹与透明竹片、电磁屏蔽膜组成一款复合器件，整体结构类似于常见的蜂窝板，其中透光原竹充当核心骨架、透明竹片为面板、锡掺杂氧化铟薄膜为功能层。

　　经过研究发现，这款复合器件可表现出显著的隔热、保温性能以及电磁屏蔽性能，在家居与建筑装饰材料领域具有广阔前景。（记者 张 晔 通讯员 方彦蘅 姚会春）

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