凤凰彩票投注_购彩大厅APP | 在线登录-APP下载

来源：凤凰彩票邀请码2025-01-13 17:48

凤凰彩票投注

外国工商界人士评价中国防疫政策：利好经贸人文往来的重要一步******

　　中新社北京1月11日电题：外国工商界人士评价中国防疫政策：利好经贸人文往来的重要一步

　　中新社记者李纯黄钰钦

　　“我认为中国优化调整疫情防控政策，向前迈出重要一步。”谈及近期中国疫情防控政策经历的重要调整，来自南非的普盛华昌商务咨询有限公司执行总监雅克·德·沃斯(Jacques De Vos)10日在北京如是评价。

1月10日，北京，中共中央对外联络部邀请在华外国工商界代表出席中国防疫政策专题吹风会。与会各方代表对中国疫情防控的成效表示了肯定，认为中国防疫政策的优化调整将为世界经济发展带来更多机遇。中新社记者韩海丹摄

　　当天，中共中央对外联络部邀请在华外国工商界代表出席中国防疫政策专题吹风会。与会各方代表对中国疫情防控的成效表示了肯定，认为中国防疫政策的优化调整将为世界经济发展带来更多机遇。

　　“我认为中国政府在危机面前的规划和管理非常出色，尤其是对新冠疫情的处置。”沃斯表示，考虑到中国人口众多但新冠死亡率处于全球最低水平，中国的抗疫经验和治理能力值得学习借鉴。

　　近期，中国防疫政策经历了一系列调整完善，包括出台二十条优化措施、“新十条”进一步优化措施，实施“乙类乙管”，发布新版诊疗方案和防控方案等。中国法国工商会副主席皮埃尔·米罗什尼科夫(Pierre Mirochnikoff)认为，新冠疫情防控政策的制定不应该出于政治性考虑，而是要像中国这样基于对人民健康和生命安全的科学研判。

　　这样的调整对于中外经贸往来无疑是巨大利好。米罗什尼科夫说，中法商会的很多会员是中小企业，疫情期间面临现金流吃紧的局面，现在终于有了起色。随着政策进一步优化，这样的局面也将逐步得到缓解。他也希望中国能够采取更多签证便利化等鼓励措施，将更多对外投资的目光投向中小企业。

　　沃斯也表示，曾在疫情期间受阻的海运问题已经趋于正常，企业工厂也恢复了生产运营。中国防疫政策的变化是积极、正面的。

　　“中国这次防疫政策的调整，对于中国与其他国家的交流有一个非常积极的推动作用。”中国墨西哥商会公共事务总监鲁海表示，去年12月中国防疫措施进一步调整，加上今年1月开始对出入境政策进行优化，这为所有国家与中国的经贸往来提供了许多便利。“我们预计会在今年的二季度开始有一个逐步的复苏。”

　　同样迎来复苏的还有人文交流。鲁海说，新冠疫情开始前，墨西哥是唯一与中国有直飞航线的拉美国家，2019年墨西哥接待中国游客超过10万人次。“我们也预计，从今年的二季度开始到下半年，中国和墨西哥乃至其他拉美国家之间的旅游文化往来也会进一步复苏。”

　　中国防疫政策调整后，跨境人员流动性将快速释放，极大促进人文交流、商务往来，更为世界各国开展经贸、医疗等多领域合作提供了有利条件。

　　中国以色列商会会长悠福(Yuval Ben Sadeh)还记得，疫情发生之初，中国在很短时间内就扭转了物资紧缺局面，转而向诸多国家提供物资援助，令人赞叹。这也表明在全球化时代，各国之间应当通力合作、交流互鉴，共同应对全球性公共卫生危机。

　　他指出，考虑到人口、国情、医疗体系水平等方面的差异，各国采取的疫情应对措施往往不同，但这并不妨碍各方沟通交流，共同研究以何种形式展开合作，包括分享信息、充分尊重对方举措、进行合理合作等。“不仅把合作的目光放在常规领域，更应该提前做好准备，来应对像新冠疫情这样的公共健康危机。”

　　“当前，全世界应该像同一战队一般团结协作，推动世界经济发展。”米罗什尼科夫也认为，加强国与国之间的合作才是发展之道。未来，欧中之间还将进一步深化理解、加强合作。“这是个携手共进的时代，是共谋经济成长的时代，是以和平、和谐促进关系发展的时代。”(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（）