航拍南宁国际会展中心“焕”新颜,迎接东博会。俞靖 摄
中新社记者:美防长奥斯汀6月在香格里拉对话会上发表推进“印太战略”的讲话,提及印太地区将是未来美国国防部的“优先战区”,如何看待这一表态?
胡波:从奥巴马时期开始,(美国)就认为中国是最大的战略竞争对手。即便现在发生了俄乌冲突,美国依然认为中国才是最“旗鼓相当、迫在眉睫的挑战”。
在这种认知下,美国各大战区力量配置、处于部署状态的海空大规模军事平台,印太地区至少占了60%或70%以上。美国其实已经把所谓“印太战区”当成了最主要战区。这两年,美国在(鼓吹)“中国威胁”的基础上,各种措施力度越来越大,包括实施“全政府战略”。
中新社记者:中国如何应对美国的围堵、压制?
胡波:首先,中国的国力发展到现在,有信心、有能力应对美国的挑战。美国说过的有些事也不一定干得成。我们要谨慎地观察,战略上要充分重视,心态上要淡定一些。
第二,怎么去做美国盟友包括伙伴国的工作?美国搞封闭、排他性小圈子,中国就反其道而行之。不论从安全上还是经济上,中国都要倡导真正的自由和开放,扎实推进“人类命运共同体”、“一带一路”倡议等,用实际行动来向地区国家证明中国才是最负责任的国家。
第三,中国要跟周边国家妥善处理相关分歧。要调低预期,不要寄望于短期内能解决这些问题。但可以跟周边国家共同努力,搁置、管控这些争议。
记者:孟湘君
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() ![]() y39彩票地图 |