二十大代表风采｜李闯：从“倒数第一”到“特战之王”的逆袭******
中新网北京10月14日电 题：李闯：从“倒数第一”到“特战之王”的逆袭
记者 李纯
武警河北总队某部大队长李闯的个人经历很像电视剧《士兵突击》里的许三多，他新兵下连时5公里跑倒数第一，14年后却带队在国际特种兵比武中获得总冠军。如何有此转变？用他自己的话说就是：“从穿上军装那一刻起，我就抱定一个信念：认真做好每一件事，量的积累必会有质的飞跃。”
李闯进行专业学习。 江腾 摄曾经的倒数第一
刚分到特勤中队时，李闯不仅身体瘦弱，身体素质也是最差的那个。时隔多年，他依然记得那个下午，那次来队之后第一个5公里长跑测试，虽然拼尽了全力，但他还是落在队伍后面，跑了倒数第一。
从那时起，训练场上就多了一个“疯子”。练体能，他穿着沙背心长跑10公里，后背磨出了血；练攀登、索降，手臂、迎面骨划伤10余处，他依然坚持完成所有课目；练射击，为提高射击的速度和精度，他每天坚持闭目出枪1000次以上，挂水壶据枪两个小时。一年的艰苦超压训练，李闯脱颖而出，成了班里首屈一指的特战尖兵。
入伍19年，“苦练制胜本领，争做特战标兵”始终是李闯激励自己的目标。除完成规定训练任务外，他另外给自己制定了加训内容：早上提前起床，小腿绑上6公斤的沙袋做100个收腹跳，5组100米往返跑、100米蛙跳，然后再随中队出操；上午与中队一起训练，利用训练间隙进行器械训练；晚上做100个俯卧撑，100个单杠拉臂，100个收腹，100个双杠撑臂。
李闯进行理论研讨。 江腾 摄多年的努力和付出造就了李闯过硬的军事素质。多年来，他摸索特种作战规律，认真研读《手枪特种射击》《野外生存法则》等书籍，总结的“快速调整呼吸”“手枪快速换弹夹”“运动中击发训练法”等一系列特种训练方法被官兵广泛运用。不仅如此，熟练掌握攀登越障、擒拿格斗、多能射击、近身搏击等10余项特战技能的李闯，“打造出了一群无所畏惧的‘钢铁硬汉’，锻造出了一批‘格斗专家’‘突击精英’‘狙击能手’‘行动专家’等身怀绝技的特战尖兵”。
“我们的成绩和荣誉都是队长带我们一路闯出来的。”平时，队员们称李闯为“闯队”。正是凭借一股不服输的闯劲，这位曾经的倒数第一已成长为“特战尖兵”中的“标兵”。
李闯组织射击教学。 江腾 摄“特战之王”决胜国际赛场
2015年9月21日，李闯带领5名特战队员代表武警河北总队参加武警部队第二届特勤分队比武。这次比赛，他们从33个分队中脱颖而出，取得团体总分第一、狙击专业第一、侦察专业第二名的成绩，团队被誉为“特战之王”。
2016年，“巅峰”特勤分队尖子比武竞赛的号角吹响，李闯再次带队参赛。此次比武科目以最大限度贴近实战的原则设置，旨在检验特战队员遂行实战任务的能力。5天4夜持续作战，李闯与队友们取得团体总分第二名，斩获总队组第一名，续写了“特战之王”的辉煌。同时获得了参加“勇士竞赛”国际特种兵比武的“入场券”。
李闯指导狙击训练。 江腾 摄经过几个月的备战，2017年5月，李闯带队出国参赛，与来自12个国家的32支代表队展开激烈角逐。初到他国，除了美不胜收的异域风景，更有对环境的陌生。“参加国际级别的比武竞赛，面对12个国家、32支代表队，我们就像是初来乍到的牛犊，”李闯回忆说，“可是我们同样有‘初生牛犊不怕虎’的那股敢打敢拼的劲头。”
小组赛第一个科目是“背水一战”。前一天晚上，李闯拿到比武规则后，就与带队人和翻译官共同研究分析。比武科目刚开始，一切都很顺利，然而化学桶在距离终点100米处滑落在地，被扣了分。第一个项目结束时，队员们都累得瘫倒在地。李闯一边鼓励大家“别灰心，上午丢掉的，下午夺回来”，一边反复研究调整战术和人员分工。
下午的科目是“死亡奔跑”，李闯反复预测各种突发情况，如何采取相应对策，然后将心得分享给大家。队员们翻越高斜墙、攀大绳、爬网墙、钻泥水低桩网、穿Z形水沟……“第一名”的成绩一宣布，队员们拥抱在了一起。在高手云集的赛场上，中方参赛队最终取得了三个科目第一、一个第二、一个第三，一举斩获总冠军。
回国后，李闯和战友们又马上投入到新的备战集训中。
“这次国际特种兵比武给了我们许多启迪，让我们看到了自身的许多问题，打铁要趁热。”无论是高温酷暑还是暴雨滂沱，李闯每天都进行着超越身体极限的高强度训练，将在国际比武中的所思所想融入每天的训练中，以严于实战的标准要求自己。(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 快三大发地图 |
