玛雅彩票下载app-玛雅彩票规则

马斯克破了世界纪录：亏钱第一名！却还是全球第二富......******

　　文/汪俐辰

　　对全球大多数富豪来说，2022年是亏钱的一年。

　　据吉尼斯世界纪录官方网站消息，美国特斯拉公司首席执行官埃隆·马斯克自2021年11月以来损失约1820亿美元(约合人民币1.37万亿元)，更有消息称，这一数字实际上可能接近2000亿美元，一举打破了历史上个人财富损失最大的吉尼斯世界纪录。

　　什么原因使他损失如此惨重？全球富豪们过去一年资产发生了哪些变化？

　　为何少了这么多？

　　据《福布斯》报道，马斯克的净资产从2021年3200亿美元峰值下降到2023年1月的1380亿美元，亏掉了一大半，这主要是由于特斯拉股票表现不佳。

　　据了解，马斯克财富的主要来源于持有的特斯拉股票，然而在过去一年时间里，特斯拉的股票市值已经缩水了约65%。

　　其中，为支付收购推特的440亿美元费用，马斯克抛售特斯拉股票，成为自2010年特斯拉上市以来规模最大的一次抛售，从而导致公司股价暴跌。也有消息表示，冲击特斯拉股价的另外一个原因，是全球纯电车市场需求低迷。

　　虽然不能确定马斯克到底损失了多少，但他的总损失远远超过了这一纪录此前的保持者——日本软银集团首席执行官孙正义。

　　孙正义的个人财富从2000年2月780亿美元的峰值下降至同年7月的194亿美元，短短几个月里其净资产蒸发近600亿美元。

　　尽管马斯克亏损的钱打破了世界纪录，但根据彭博亿万富翁指数显示，他目前仍然是世界第二富有的人。

　　还有谁亏钱了？

　　据彭博亿万富翁指数，2022年，全球最富有的500人财富蒸发了近1.4万亿美元。

　　数据显示，在微软、谷歌、亚马逊、Meta等公司股票下跌的背景下，微软联合创始人比尔·盖茨财富缩水286亿美元，微软前首席执行官史蒂夫·鲍尔默损失194亿美元；

　　亚马逊和蓝色起源公司创始人杰夫·贝索斯损失852亿美元，其前妻麦肯齐·斯格特损失373亿美元；

　　谷歌联合创始人谢尔盖·布林和拉里·佩奇分别损失440亿美元和453亿美元。

　　此外，Meta首席执行官马克·扎克伯格财富损失也很惨重。截至2022年12月30日，扎克伯格的净资产自同年1月初以来缩水了799亿美元，仅剩456亿美元，主要原因包括Meta向元宇宙转型的代价高昂，以及整个科技行业的滑坡拖累了Meta的股价。

　　在2021年年底，扎克伯格曾经是全球第六大富豪。但是在去年底，扎克伯格在彭博财富指数的排名下降了19名，位居第25，是自2014年以来的最低排名。

　　谁是最大赢家？

　　几家忧愁，几家欢喜。要说最大的赢家，非印度企业家高塔姆·阿达尼莫属。2022年以来其身家增加了446亿美元，是亿万富豪阶层前十中身家唯一获得增长的富豪。

　　据报道，阿达尼的阿达尼集团(Adani Group)拥有一个上市公司网络，活跃在发电、水泥、房地产等领域。

　　截至1月9日，阿达尼以1170亿美元的资产位居彭博亿万富豪榜的第三位，超过了比尔·盖茨和沃伦·巴菲特。

　　现在全球首富是谁？据彭博亿万富翁指数显示，截至1月9日，LVMH集团董事长伯纳德·阿尔诺(Bernard Arnault)以1750亿美元的身价位居榜首。

　　阿尔诺是奢侈品巨头LVMH集团的掌舵人，LVMH(酩悦·轩尼诗-路易·威登集团)是全世界最大的奢侈品公司，总部位于法国巴黎。旗下拥有路易威登、DIOR、Tiffany&Co。等75个品牌，涵盖葡萄酒和烈酒、时装和皮具、香水和化妆品、腕表和珠宝以及高端零售等领域。

　　综合自吉尼斯世界纪录官方网站、澎湃新闻、界面新闻等

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）