点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
“中国取得的非凡成就令人钦佩！”******
“中国取得的非凡成就令人钦佩！”
——记外国嘉宾参观“奋进新时代”主题成就展
“成就非凡”“不可思议”“令人钦佩”……
27日，来自128个国家和国际组织的驻华使节、30个国家驻华使馆商务机构负责人及在京科研机构高等院校、中国外文局所属单位的外国专家等共300余人来到北京展览馆，参观“奋进新时代”主题成就展。对于十年来中国取得的巨大成就，外宾们由衷赞叹。
展览聚焦党的十八大以来党和国家事业的伟大成就、伟大变革，设序厅、中央综合展区、地方展区、展望展区、室外展区和互动展区6个展区，面积超过3万平方米，运用图片、实物、模型等6000多项展览要素，角度丰富、内涵饱满。外宾们怀着极大的兴趣认真听取讲解，在各类展品前驻足体验，交流观感。
在中央综合展区，一叶叶“成就”风帆拼成的中国经济“奇迹号”巨轮模型吸引外宾纷纷上前合影“打卡”。
阿根廷驻华大使牛望道对中国在脱贫攻坚领域的开拓表示赞赏。“在习近平主席的带领下，中国脱贫攻坚战全面胜利，中国人民正意气风发向着中华民族伟大复兴的目标迈进。”
在“坚持推动构建人类命运共同体 开创中国特色大国外交新局面”单元，冈比亚驻华大使康蒂在一件展品前久久驻足，激动地回忆起冈中元首友好交往的故事——2017年12月，习近平主席在北京同来访的冈比亚总统巴罗举行会谈。巴罗总统向习近平主席赠送了非洲传统乐器科拉琴。
“科拉琴是非洲国家的重要礼物，它弹奏出来的声音被称为‘祥和之音’。”康蒂说，“非常高兴在这里看到我们的‘国礼’，文化交流能够跨越千山万水。”
格鲁吉亚驻华大使阿尔赤·卡岚第亚说，作为国际舞台上很有影响力的国家，中国坚持对外开放，以自身新发展为世界提供新机遇。作为共建“一带一路”的受益者，格鲁吉亚期待同中国开展更积极、更深入的合作。
在云南展区，讲述2021年云南亚洲象北迁南归的视频吸引众多外宾凝神观看。牛望道说，阿根廷高度评价中国在绿色发展、环境保护等领域作出的努力和开拓。“环境等问题日益成为全球性问题，没有国家能够‘独善其身’，正因如此，习近平主席提出的人类命运共同体理念得到广泛支持，全人类必须团结合作共同应对全球性挑战。”
“天问一号”着陆器模型、“奋斗者”号全海深载人潜水器模型……室外展区，一件件展现新时代中国人上九天、下五洋壮志豪情的展品，吸引外宾们拍照留影。
“非常高兴看到中国取得了这么多科技创新成就。”尼加拉瓜新任驻华大使科罗内尔说，中国不仅注重自身的发展，也愿意为世界其他国家提供科技援助。
所罗门群岛驻华大使傅桂说，所中建交3年以来，两国关系取得巨大进展。“中国的发展经验给包括所罗门群岛在内的发展中国家带来了希望、树立了榜样。”
中央民族大学美籍专家马克·力文是2014年度中国政府友谊奖的获得者。“我来中国已经17年了，如果问我对什么印象最深刻，那就是中国取得了全方位的发展成就。”
“我对‘江山就是人民，人民就是江山’这句话的印象非常深刻。”外文出版社俄罗斯籍专家季莫非·巴赫瓦洛夫说，展览的每一个单元都体现着中国共产党的力量，从中都能看到党员们所作的贡献。
“从经济建设、社会主义民主政治建设，到维护国家安全、推动国际合作……这个展览很好地展现了中国的真实情况。不论是中国人还是外国人，当他看到中国在十年内发生的巨大变化时，一定会明白，中国将为全球发展事业开创更加光明的前景。”巴赫瓦洛夫说。
（新华社北京10月27日电 记者温馨、成欣）
《光明日报》（ 2022年10月28日 02版）
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）
)
凤凰彩票地图