被曝私人办公室内发现涉乌等机密文件 拜登：惊讶******
中新网1月11日电 据美国有线电视新闻网(CNN)10日报道，消息人士称，去年秋季，在拜登以前的私人办公室内发现其任美国副总统时期的10份机密文件，包括美国情报备忘录和简报材料，涉及乌克兰、伊朗和英国等议题。
拜登对此回应说，他对在华盛顿智库的办公室内发现的机密文件感到惊讶，称并不了解文件内容。
图片来源：美国有线电视新闻网(CNN)报道截图拜登私人办公室内发现涉乌等机密文件
这一消息最初是由美国哥伦比亚广播公司(CBS)报道，该媒体援引消息人士称，拜登任美国副总统时期的约10份加密文件，出现在智库“宾州拜登外交和全球参与中心”。白宫于1月9日证实了该消息。
CNN援引消息人士还称，这些机密文件的日期在2013年至2016年之间，装在三四个盒子里，里面还装有符合《总统档案法》的非机密文件。
据悉，办公室里的绝大多数物品都是拜登家庭的私人文件，包括有关拜登已故儿子博·拜登(Beau Biden)葬礼安排的材料和慰问信。目前尚不清楚装有机密文件的箱子中是否装有个人材料。
这些机密文件是在2022年11月2日，也就是中期选举前夕被发现。消息人士称，拜登的一名私人律师当时正在关闭拜登在华盛顿的这处办公室。律师看到了一个标有“私人”的文件夹，打开后注意到里面有机密文件。律师合上信封，打电话给美国国家档案和记录管理局。拜登的团队随后“非常谨慎地”移交了几个箱子。
美国司法部展开调查
一名执法部门消息人士说，美国司法部长加兰德已收到关于文件调查的初步报告，将决定如何推进调查，包括是否展开全面刑事调查。
美国检察官劳施(John Lausch Jr.)被曝已多次向加兰德汇报情况。不过，有消息人士说：“没有追加的说明会，但若有必要将举行。”
CNN报道称，就在1月9日，在墨西哥举行的外交峰会上，加兰德正巧与拜登坐在一起，记者们曾大声询问有关调查的问题，场面颇为“尴尬”。两人忽视了这些问题。
拜登：惊讶，我不了解
1月10日，拜登在记者会上表示，他对在华盛顿智库的办公室内发现的机密文件感到惊讶。
拜登说：“在得知有相关政府记录被带到那个办公室，我感到很惊讶。”拜登强调说，他不了解这些文件的内容。
CNN报道称，白宫已与主要盟友召开电话会议，解释围绕机密文件进行的调查，希望平息批评和质疑。两位知情人士说，一名白宫官员将这些文件描述为“不到十二份”，没有一份“特别敏感”和“情报界不太感兴趣”。
一位高级官员还在电话中重申总统的法律顾问是如何立即通知美国国家档案和记录管理局。但白宫的电话没有说明为什么当时或自2022年11月以来没有披露此事。
资料图：美国前总统特朗普。特朗普：FBI何时突袭拜登家？
拜登私人办公室内发现机密文件一事，引发共和党人密切关注。肯塔基州共和党众议员詹姆斯·科默 (James Comer)称，他计划向国家档案和记录管理局施压，以获取有关机密文件的信息。科默还致信档案局和白宫法律顾问办公室，要求不迟于1月24日移交文件和其他信息。
众议院议长麦卡锡没有明确表示，他是否认为众议院共和党人应调查拜登此事，但称当初对特朗普保留机密文件的反应受到“政治驱动”。“这只是表明他们试图与特朗普进行政治斗争。”
特朗普在社交媒体发文称，“FBI何时会突袭拜登的许多住宅，甚至是白宫？这些文件肯定没有解密。”
2022年8月8日，美国联邦调查局(FBI)人员突查特朗普位于佛州的私人住所海湖庄园，引发全美高度关注。在FBI查获的物件中，有超过1.1万份政府文件和照片，其中103份标有密级。但特朗普否认有不当行为。
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 佰家富app地图 |
