盈彩漏洞 - 新版APP下载-安全购彩

科技是第一生产力******

　　作者：吴善超

　　复兴号以时速420公里交会和重联运行，智能型动车组实现时速350公里自动驾驶，都是世界首次；时速400公里可变轨距高速动车组下线，可实现跨国互联互通……中国高铁享誉世界，展现着科技创新的强大力量。

　　党的二十大报告提出：“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势。”这深刻体现了我们党对科技推动生产力发展的规律性认识，进一步丰富发展了马克思主义生产力理论，为新征程上推进科技创新、实现创新发展提供了科学指引。

　　习近平总书记指出：“科技创新，就像撬动地球的杠杆，总能创造令人意想不到的奇迹。”科技是第一生产力，是先进生产力的集中体现和主要标志。人类历史上每一次重大科技进步都改进了劳动工具，提高了劳动者素质，带来劳动生产率极大提高、产业结构快速优化升级，给经济社会发展增添强大驱动力。当今时代，科技创新极大拓展人类认知的广度、深度、精度，是经济社会发展的重要引擎，也是应对许多全球性挑战的有力武器，日益成为影响世界现代化进程的关键变量。

　　以习近平同志为核心的党中央把握世界发展大势，立足当前、着眼长远，把科技自立自强作为国家发展的战略支撑，推动实施科教兴国战略、人才强国战略、创新驱动发展战略，坚定不移走中国特色自主创新道路，我国科技事业发生了历史性、整体性、格局性重大变化。“蛟龙”深潜、“嫦娥”揽月、“羲和”探日，云计算、人工智能、大数据等数字技术发挥积极作用，C919大型客机交付用户，载人航天创造多个“首次”……一系列重大创新成果竞相涌现，一些前沿领域开始进入并跑、领跑阶段，中国科技实力正在从量的积累迈向质的飞跃、从点的突破迈向系统能力提升。我国全球创新指数排名从2012年的第三十四位跃升至2022年的第十一位，科技进步贡献率从52.2%提升到超过60%，迈进创新型国家行列。

　　也要看到，我国科技创新能力还不够强，仍有不少“卡脖子”难题亟待解决，迫切需要更好发挥科技第一生产力的关键作用。进入新发展阶段，我国经济社会发展和民生改善更加需要科学技术解决方案，占领全球新一轮科技竞争制高点也更加需要完善科技创新体系，加快实施创新驱动发展战略，努力实现高水平科技自立自强。必须坚持创新在我国现代化建设全局中的核心地位，健全新型举国体制，强化国家战略科技力量，提升国家创新体系整体效能。集聚力量开展原创性引领性科技攻关，塑造新引擎、培育新动能，推动中国式现代化行稳致远。

　　习近平总书记指出：“科技创新活动不断突破地域、组织、技术的界限，演化为创新体系的竞争”。适应新形势新任务，要大力增强科技创新协同性，促进科技第一生产力优化布局。要聚焦协同之“的”，提升系统集成效率、效益、效能；明晰协同之“责”，明确功能定位，推动创新各主体、诸要素互动互促互补；架设协同之“桥”，发挥科技群团、社会组织等桥梁纽带作用，拓展创新合作网络。促进跨界协同，加强企业主导的产学研深度融合，推动创新链产业链资金链人才链深度融合。扩大国际科技交流合作，加强国际化科研环境建设，形成具有全球竞争力的开放创新生态。（吴善超）

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）