彩虹多多手机版APP - 新版APP下载-安全购彩

港澳政协委员抵沪履职 聚焦经济“复苏”共同发展******

　　中新网上海1月10日电(记者 范宇斌)“新的一年新的开始，我第一站就是到内地，到上海参会履职。”上海市政协委员、新龙基投资集团总裁李可庄10日接受中新网记者采访时说，再次从香港回到上海，让他感到有点兴奋。

　　1月10日，中国人民政治协商会议上海市第十四届委员会第一次会议在上海开幕。香港、澳门与内地8日恢复首阶段免检疫“通关”后，不少在港澳地区工作生活的上海市政协委员在获悉政策调整后，第一时间抵沪赴会。

　　“今年终于有机会来到上海，与其他政协委员面对面进行履职交流。”上海市政协常委、上海市工商联副主席、澳门联生发展有限公司执行董事马志远告诉中新网记者，新冠肺炎疫情以来，他只能“云履职”。“今年我重点关注‘通关’以后，如何促进沪澳交流，尤其是推进两地金融、科技、旅游、文化等领域的交流合作。”

　　“中国疫情防控进入新阶段，我将和在澳门的政协委员一起发挥联通国际的优势以及各自专业所长，助力沪澳经济社会发展。”马志远表示，今年他将留出更多时间和精力，尽己所能，搭建澳门与内地的交流渠道。

　　来自香港的李可庄从事金融投资业务，在他2023年的行程计划表上，上海是至关重要的一站。他表示，“三年后再次抵达上海，能够实实在在感受到上海从疫情中恢复的蓬勃朝气，以及上海人的冲劲、拼劲、干劲都没变，大家的精神面貌和心态都很好，这让我对上海发展更有信心了。”

　　李可庄说，今年他更关注上海未来经济发展的突破点、增长点以及新兴产业发展。“借助这次参会履职的机会，我将开展更多的实地探访、考察调研，了解经济发展和民生领域问题，助力上海经济社会活力进一步释放。”

　　今年，上海市政协委员中又多了一些“新面孔”，他们怀揣更大的期盼，和“老委员”一道站在新起点，积极建言献策。

　　上海市政协委员、交通银行(香港)有限公司私人银行中心总经理徐志道特别关注沪港两地金融合作。他告诉中新网记者，香港、上海都是金融中心，两地各有优势，应该发挥出“1+1＞2”的效果。“上海是科创中心，香港是创科中心，香港在与国际接轨、科技与政策结合等方面经验或将助力上海发展。”

　　“作为一名‘新委员’，我希望提出有分量、接地气的提案。”徐志道说，“疫情也给了我们一个反思的机会，在经济上如何去融合。沪港合作在恢复‘通关’后，两地银行之间的交流合作将更为紧密，在金融政策、自由基金的互联互通以及银行系统互通上，可以更进一步展开合作，从而让两地居民在自由流动上更便利，也有利于作出适合的投资安排。”

　　上海市政协委员、商汤科技董事长兼CEO徐立也是一名“新委员”，“首次参加上海市两会，我感受到上海对科技创新的重视，而我更多关注人才、核心技术、创新链上下游协作和协同发展等方面议题。”徐立告诉中新网记者，“当前，内外部环境面临诸多考验，更要积极推动双向交流，一方面把人才送出去，接轨最前沿的科技发展，另一方面要‘筑巢引凤’把人才引进来。只有长期保持人才的双向流动，才能在未来竞争中成为人才高地。”

　　对此，在沪港两地人才交流、基础科研交流方面，徐立认为，“两地各有所长，香港高校科研资源非常，新兴专业顶尖人才荟萃，而上海既有人才，又有大市场，增进双向流动显得非常重要，要促进沪港两地人才平台交流和人才交流。同时也要产教联动、合作培养更多青年人才。”

　　带着思考与期盼，来自港澳地区的上海市政协委员们将在履职过程中，建真言、谋良策，为内地与港澳地区的共同发展搭建更多沟通桥梁、凝聚更多发展共识。(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）