中国演绎太空生命传奇

640?wx_fmt=png

来源:人民日报海外版

摘要:人类不仅在努力增加对地球家园的认识,而且推进航天科技发展,进入浩渺的太空,探索宇宙的奥秘。

640?wx_fmt=jpeg

在太空中绽放的花朵


640?wx_fmt=jpeg

嫦娥四号搭载的微型生物圈载荷手绘图


640?wx_fmt=jpeg

搭载探空火箭进入太空的两只小狗“小豹”和“珊珊”(来自网络)

 

对我们生活的这颗星球,大自然无疑是格外眷顾的,慷慨地赐予了适宜的阳光、水、空气和温度等,孕育出原始生命。经过漫长的进化历程,形成了复杂多样、五彩斑斓生物圈,其中就包括属于灵长类的我们人类。

 

人类不仅在努力增加对地球家园的认识,而且推进航天科技发展,进入浩渺的太空,探索宇宙的奥秘。在此过程中,一些植物、动物和微生物也被发射升空,进入地外空间,以帮助我们更好地认识和利用地外空间环境,也为我们将来长时间在那里驻留生活奠定了基础。

 

此时此刻,在距离地球家园约40万公里的月球背面艾肯特盆地的撞击坑内,嫦娥四号着陆器静立于漆黑、荒芜、寂寥的月夜。然而,其搭载的微型生态圈中,生命正在悄然孕育萌发,它们将度过漫漫长夜,迎来月面壮丽的日出,在那特殊的昼夜交替中成长,演绎一段惊心动魄的月面传奇故事。

 

①“嫦娥”带来月球第一抹绿色

 

直径约173毫米、高约200毫米的近似圆柱形载荷是嫦娥四号探测器在月球背面使命的最大看点之一,在那个狭小局促的空间里,聚集了来自地球的棉花、油菜、土豆、拟南芥、酵母和果蝇6种生物样本,它们最初均以种子、卵等生命形态被装载其间,构成一个含有生产者、消费者和分解者的微型生态系统。

 

月面严酷的环境是生命的禁区,白天在阳光垂直照射的地方,温度能高约130摄氏度,夜晚,温度极速下降,最低可超过零下180摄氏度。为了给载荷内生物营造一个适宜生存的环境,科学家给载荷罐体装置了“空调系统”、光导管和水仓室。

 

在人类智慧的精心设计之下,地球上的生命开始在一片荒凉孤寂的月面发育成长。2019年1月3日即嫦娥四号完美着陆月球背面当天,这个微型生物圈系统就开始运作,通过鹊桥中继卫星,地面控制中心发出放水指令,月面的生命旅程开始了。12天后,记录生物样本生长发育的状态的相机就捕捉到可喜的变化:棉花种子已经长出嫩芽,成为人类在那个天地间培育出的第一抹“绿色”。虽然从相机拍摄回传地面的图片来看,嫩芽是那样弱小,甚至显出几分楚楚可怜的模样,但是它是地球生命“远征”约40万公里,克服低重力、强辐射、高温差等月面极端条件,第一次萌发。这是人类智慧护航下的生命奇迹,绿意盎然、光彩照人。

 

棉花种子刚刚萌出嫩芽不久,太阳就没入月球的地平线,漫长的月夜开始降临。嫩芽和微型生物圈的其它同伴正在经受月夜超低温的严酷考验。而当太阳再次升起时,无论它们能否“醒来”,组成自循环生物系统,中国都已经以荒芜苍凉中的那抹绿色创造了月球探测的历史,将为人类今后建立月球基地提供研究基础和宝贵的经验。

 

②探空火箭搭载中华犬进入太空

 

嫦娥四号月球种土豆、育棉花等空间生物实验展现出中国作为航天大国雄厚实力的展现之一。其实在航天科技实力发展的不同阶段,中国一直因地制宜地开展相关实验活动,致力于增强对宇宙空间环境的认识和更好开发利用。

 

1964年7月19日,安徽省广德县誓节渡一个十分偏僻的山坳里,中国第一枚生物探空火箭从这里发射升空,其任务是把实验生物送到高空,研究它们在火箭密封舱内对飞行的适应性和对飞行综合因素作用的承受能力,研究超重失重、高空弹射、宇宙辐射等因素对生物机体主要生理机能的影响等,从而为空间生物学研究和载人航天的生活舱及生命保障体系提供更为可靠、有效的设计依据。当日,随火箭升空的是4只大白鼠、4只小白鼠和12支装有果蝇等的生物试管。短短几十分钟时间里,它们作为中国第一批乘上火箭的“小乘客”在高空遨游。此次实验获得丰硕成果,当科研人员从密封舱中取出白鼠时,发现它们不仅生命体征稳定,而且还活蹦乱跳。

 

在此之后,中国继续以探空火箭为工具开展空间生物实验。1966年7月15日,一只名为“小豹”的小狗被送入距离地面约80公里的空间,之后安全返回。10多天后,小狗“珊珊”搭乘生物探空火箭飞天,同样平安归来。虽然探空生物火箭飞行高度有限,没有进入更为广阔的宇宙空间,但是在世界航天科技发展早期阶段,中国就已经在空间生物实验领域进行了自主探索并获得了一批研究数据,在世界航天史写了浓墨重彩的一笔。

 

③返回式卫星孕育农业优良品种

 

1970年4月24日,中国首颗人造卫星东方红一号成功发射,为中国开展空间生物实验提供了新的平台。1987年8月,中国科学家利用返回式卫星第一次搭载农作物种子升入太空,开始进行太空育种实验。利用该技术,中国将辣椒、茄子、南瓜、水稻、小麦、玉米、绿豆等多类农作物种子发射到宇宙空间,通过宇宙射线的照射,获得增加其高产、稳产等优良性状的变异。

 

在返回式卫星中进行空间生物实验的佼佼者是实践八号,实际上,它是中国首颗专门用于航天育种研究的返回式科学技术试验卫星。2006年9月9日,实践八号从酒泉卫星发射中心发射升空。它装载了粮、棉、油、蔬菜、林果、花卉等9大类、2000余份、约215公斤农作物种子和菌种,创中国开展航天育种研究以来搭载规模纪录。经过半个月太空飞行后,该卫星被成功回收。值得一提的是,实践八号返回式卫星留轨舱完成了无人参与条件下通过实时获取在轨图像研究高等植物的空间生长发育,在国内首次实时观察和记录了青菜在空间环境下长达21天的萌发、生长、抽苔、开花、授粉全过程。

 

利用返回式卫星技术开展航天育种,旨在让种子在太空飞行时接收空间环境的诱变作用,产生变异,之后再对有益的变异加以选择利用,从而选育新种质和新材料,培育出高产、优质、多抗的新作物品种。虽然相对于分子层面的育种方式,航天育种具有随机性和不确定性,但是凭借这种方式,中国仍然培育了一批优良品种并在各地大面积推广,成为以航天科技助力现代农业的一种重要方式。

 

2016年,实践十号任务成功实施,作为中国首颗微重力卫星,它是地道的太空超级实验室,开展了包括空间生命科学实验在内的6大类、19项实验项目,取得了喜人成果。其中包括,在国际上首次在太空微重力条件下观测到小鼠早期胚胎在体外从双细胞发育到囊胚阶段的全过程;首次发现小鼠造血干细胞在太空微重力环境下的增殖分化情况与地面实验有显著的不同;收获第一株在太空中绽放的拟南芥花朵。

 

④飞船、空间实验室探索太空健康之道

 

在太空失重状态下,航天员景海鹏戴着蓝色橡皮手套,轻轻地在空中触摸蚕宝宝,白色如玉的蚕宝宝漂浮在空中,慢慢扭动着胖胖的身子。这是2016年10月20日神舟十一号飞船上的一幕。通过电视转播,这一镜头生动地呈现在人们面前,让人忍俊不禁,“中国航天员太空遛蚕”也由此成为世界航天史上经典的桥段为人们所津津乐道。

 

“太空养蚕”实验是神舟十一号飞船与天宫二号任务中一项重要的空间生物实验项目,旨在研究蚕在太空微重力的环境下生长发育的过程,特别是研究其能否正常吐丝以及吐丝行为在多大程度上受重力的影响。为了保证6条娇嫩的蚕宝宝在飞船发射、返回过程中,经受住严重的冲击,科学家专门为其设计了防护“航天服”“太空屋”。在经过约一个月的太空之旅后,这些蚕不仅顺利度过空间飞行的过程,而且完成吐丝结茧生命历程,为科学家提供了大量实验数据信息。

 

除了养蚕之外,景海鹏和航天乘组其他成员一起还进行了“太空种田”实验。在天宫二号空间实验室,他们完成“植物种植箱”组装工作,之后播种、铺地膜,开启光照系统,并通过注射方法,给其浇水,看着它们一天天长大。2016年11月18日,航天员带着部分植物样品乘神舟十一号返回舱回到地面。大部分植物样品仍然留在天宫二号。科研人员通过地面遥控对其进行温控和浇水,使水稻等植株继续生长并顺利开花结果。这是中国首次在太空中完成“从种子到种子”全过程的空间植物培养实验。验证了利用植物光周期反应原理调控空间植物营养生长与生殖生长的设计思想,为有效利用空间有限资源进行最大化的植物生产,提供了重要空间实验证据。

 

2017年4月20日,中国第一艘货运飞船天舟一号成功发射,为科学家开展空间生物实验提供了新的平台。经过系统论证,“微重力对细胞增殖与分化影响研究”项目入选实施,主要开展了微重力环境对干细胞增殖分化、生殖细胞分化及骨组织细胞结构功能影响研究。这些实验对于骨质疏松症的预防与治疗、了解重力对人类生殖细胞的影响等提供了基础性信息数据。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值