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
胡军：推动绿色发展有利于加强中欧双方深度合作******
中新网北京11月17日电 (记者 宋宇晟)“应对气候变化是当前国内、国际的重点、热点、焦点问题。”11月16日，生态环境部环境与经济政策研究中心党委副书记胡军在生态环境部与欧在华跨国企业高层圆桌会上这样指出。
本次圆桌会以“启航新征程 推动绿色发展”为主题，由生态环境部环境与经济政策研究中心、中国新闻社主办，中国新闻网承办。
胡军指出，当前全球经济低迷，中欧作为当今世界两支重要的力量，双方加强合作，不仅有利于中欧双方，也有利于世界经济复苏。从发展前景看，绿色发展是国际社会的共识和世界发展的潮流，欧盟“绿色新政”与我国生态文明建设目标总体一致，路径相似，双方有着广泛的共同利益、相似的战略诉求，在新能源、绿色制造、绿色服务等领域已经开展了卓有成效的合作，在座企业大都有深度的参与。
图为胡军在主持圆桌会。胡军强调，在新的征程上，我们将更加注重推动绿色发展，加快发展方式绿色转型，深入推进环境污染防治，提升生态系统多样性、稳定性、持续性，积极稳妥推进碳达峰碳中和。
胡军表示，希望通过高层圆桌会的深度交流，提振欧盟在华企业对中国绿色、低碳发展的信心，进一步深化生态环境领域合作，共同推进美丽中国建设，推动建设一个清洁美丽的世界。(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） [责编：天天中] 阅读剩余全文（）  视觉焦点
一分快3地图 |
)