乐发彩票必赚方案|用户注册 | 官网首页登录平台网址

人民日报仲音：三年抗疫，中国答卷经得起历史检验******

　　三年抗疫，中国答卷经得起历史检验

　　仲 音

　　今年春节期间，全国重点零售和餐饮企业销售额同比增长6.8%；全国出入境人员超287万人次，同比增长120.5%；全国消费相关行业销售收入同比增长12.2%，与2019年春节假期相比年均增长12.4%……今年春节是疫情防控进入新阶段后的第一个春节，1月30日，国务院联防联控机制召开新闻发布会，宣布全国整体疫情已进入低流行水平。一个个火热的数据，生动注解着统筹疫情防控和经济社会发展取得的显著成效，有力印证了我国优化疫情防控措施的正确性。

　　把人民生命安全和身体健康放在第一位，是中国制定疫情防控政策的首要考量，也是衡量疫情防控成效的重要标准。回顾三年抗疫，从突发疫情应急围堵，到常态化疫情防控探索、全方位综合防控；从武汉保卫战、湖北保卫战，到大上海保卫战……以习近平同志为核心的党中央始终坚持人民至上、生命至上，因时因势不断优化调整防控措施，先后印发十版防控方案和十版诊疗方案，随着条件的逐步具备相继出台二十条优化措施，推出新十条优化措施，将新冠病毒感染从“乙类甲管”调整为“乙类乙管”，牢牢掌握了抗疫的战略主动权。三年来，我们经受住了全球五波疫情流行冲击，有效处置了百余起聚集性疫情，成功避免了致病力较强的原始株、德尔塔变异株的广泛流行，有力守护了人民群众生命安全和身体健康。实践充分证明，党中央确定的疫情防控方针政策是正确的、科学的、有效的。

　　防疫关乎生命，发展关乎生计。如何统筹处理好二者关系，考验智慧与治理水平。三年来，在以习近平同志为核心的党中央坚强领导下，我国如期打赢脱贫攻坚战、全面建成小康社会、实现“十四五”良好开局，走出了一条精准高效统筹疫情防控和经济社会发展的辩证之道。数据是最客观的说明：2020年，我国国内生产总值增长2.2%，是全球唯一实现正增长的主要经济体；2021年，我国国内生产总值增长8.4%，超过了国际货币基金组织的预期；2022年，我国经济总量突破121万亿元，按不变价格计算比上年增长3%，快于多数主要经济体。三年来，我国经济保持4.5%左右的年均增长，明显高于世界平均水平，在世界主要经济体中保持领先。近期，多个国际组织纷纷表示看好中国经济增长前景，认为中国有望成为拉动2023年世界经济增长的“火车头”。可以说，我国抗疫和发展的成绩完全经得起历史的检验。

　　新冠疫情是百年来全球发生的最严重的传染病大流行，是整个人类共同面临的严峻挑战。三年来，中国尽己所能助力各国抗击疫情，以实际行动推动构建人类命运共同体。这是风雨同舟的中国行动：向120多个国家和国际组织供应超过22亿剂新冠疫苗，向153个国家和15个国际组织提供数千亿件抗疫物资，向34个国家派出抗疫医疗专家组。在全球抗疫最吃劲的阶段，中国成为全球抗疫物资供应的大后方，为世界各国抗击疫情提供了坚实保障。这是共克时艰的中国贡献：进博会、服贸会、消博会、广交会等“四大展会”年年举办，中国货物进出口总额持续增加，出口国际市场份额连续14年居全球首位，21个自贸试验区覆盖东西南北中，海南自贸港扬帆起航。三年来，中国坚持“团结抗疫和复苏经济，两手都要抓，两手都要硬”，在同国际社会团结抗疫的同时，以自身开放合作为维护全球产业链供应链稳定畅通作出了重要贡献，为世界经济复苏注入强劲动力。

　　坚持就是胜利，团结就是胜利。经过艰苦卓绝的努力，我们战胜了前所未有的困难和挑战，最大程度守护了人民生命安全和身体健康，最大限度减少了疫情对经济社会发展的影响。穿越疫情的阴霾，今日中国正在释放出发展的巨大活力、前行的强大能量。三年同心抗疫，中国这份非凡的抗疫答卷，成绩殊为不易，世人有目共睹，历史必将铭记！

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）