快3官网开户|快3官网手机版APP

　　

以发展创造机遇 习近平再释中国改革开放决心******

　　(中共二十大·观察)以发展创造机遇 习近平再释中国改革开放决心

　　中新社北京10月23日电 题：以发展创造机遇 习近平再释中国改革开放决心

　　中新社记者 王恩博 李晓喻

　　“我们将坚定不移全面深化改革开放，坚定不移推动高质量发展，以自身发展为世界创造更多机遇。”

　　23日，新一届中共中央政治局常委集体亮相，同中外记者见面，中共中央总书记习近平在讲话中作如上表述。

　　北京专家接受中新社记者采访时表示，上述两个“坚定不移”可视为中国共产党面向未来、面向世界的宣示，对世界的疑虑和担心给出了明确答案。沿着改革开放的方向持续前进，中国发展对全球意味着无限机遇。

10月22日，中国共产党第二十次全国代表大会闭幕会在北京人民大会堂举行。 中新社记者 盛佳鹏 摄

　　“中国发展离不开世界，世界发展也需要中国。”正如习近平在讲话中所说，回顾过去相当长一段时间，中国主动融入全球发展，在受益于此的同时，也成为世界经济增长重要的“稳定因子”。

　　2013—2021年，中国经济年均增长6.6%，大大高于2.6%的同期世界平均增速，也高于3.7%的发展中经济体平均增速，经济增长率居世界主要经济体前列。同期，中国对世界经济增长的平均贡献率达到38.6%，超过七国集团(G7)国家贡献率的总和，是推动世界经济增长的第一动力。

　　习近平指出，经过改革开放40多年不懈努力，我们创造了经济快速发展和社会长期稳定两大奇迹。现在，中国经济韧性强、潜力足、回旋余地广，长期向好的基本面不会改变。

　　中国人民大学国家发展与战略研究院研究员王孝松分析称，这是基于中国长期发展逻辑和当下发展现状作出的判断。走过改革开放40多年历程，今天的中国已拥有全球最完整、规模最大的工业体系，由此带来的经济回旋余地和发展潜能，是许多国家难以相比的。因此，尽管外部环境处于多事之秋，中国经济仍然能够顶住压力，不断修复。

　　当前，世界百年变局和世纪疫情交织，单边主义、保护主义抬头，经济全球化遭遇逆流。越是暗流涌动的时刻，越需要负责任的大国作出表率。习近平在讲话中重申“中国开放的大门只会越来越大”。

资料图：2021年8月11日，中欧班列(西安)从西安国际港站开出，一路向西驶向哈萨克斯坦，这是陕西累计开行的第10000列中欧班列。中新社记者 张远 摄

　　“百年变局中，中国还要不要开放，要什么样的开放，牵动着全世界目光。”清华大学中国发展规划研究院常务副院长董煜表示，“坚定不移全面深化改革开放”这个表述和习近平在中共十八大、十九大时的讲话一脉相承，体现了政策上的连续性和稳定性，同时也是当前国内外形势下的现实需要。

　　结合中共二十大报告相关表述，董煜相信，今后中国将以更大力度推进更高水平开放，尤其是规则、规制、管理、标准等制度型开放将进一步提速。

　　在董煜看来，这种开放将是双向的：一方面，中国将更积极与国际通行规则接轨，更主动参与全球经济治理；另一方面，也会将本国管理、标准等方面经过实践检验的优秀成果与全球分享。此外，在扩大进口、优化营商环境、保护外资企业合法权益等方面，预计将有更多新措施陆续出台。

　　对于世界而言，这无疑是个利好。王孝松表示，全面深化改革开放，推动高质量发展，将使中国产业链完整、市场规模庞大等优势得到进一步激发，进而向全世界提供更多价值链上的重要中间产品，为全球产业发展提供良好机遇。(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

 

　　（文图：赵筱尘 巫邓炎）