国际社会热议二十大:求解世界之问的“中国答案”******
(中共二十大·声音)国际社会热议二十大:求解世界之问的“中国答案”
中新社北京10月23日电 历时7天的中共二十大22日闭幕。国际社会持续关注二十大释放的中国发展新信号。多国政要、专家学者接受中新社记者采访时指出,当今世界面临诸多全球性课题,“世界怎么了、我们怎么办”亟需新解答。中国以自身实践参与全球治理,二十大为世界之问提供了“中国答案”。
10月22日,中国共产党第二十次全国代表大会闭幕会在北京人民大会堂举行。 中新社记者 盛佳鹏 摄中国的新征程也是世界的新机遇
委内瑞拉南方电视台在报道二十大成果时指出,中共二十大概述了中国未来的发展方向。大会通过决议、对党章进行修改,都是为了更好适应新时代的发展。
“以中国式现代化全面推进中华民族伟大复兴,将开创一个崭新的时代。”在尼泊尔农工党主席比久克切看来,中共对国家的发展愿景有着明确规划,并正在朝着目标迈出坚定步伐。
泰国泰中“一带一路”研究中心主任威伦表示,二十大向外界释放出中国将稳定发展的预期,中国发展不仅让本国人民受益,也会让世界民众受益。
“二十大报告强调中国坚持高水平对外开放、推动共建‘一带一路’高质量发展,说明中国对外开放的步伐不会停止。”马来西亚新亚洲战略研究中心理事长许庆琦认为,这必将为世界各国与中国开展经贸合作提供新机遇。
中国发展经验带给世界更多启示
巴基斯坦联合通讯社报道指出,巴基斯坦驻华大使莫因·哈克在接受采访时坦言,中国在以人为本的发展和经济增长方面取得的成功给发展中国家带来启示,尤其是在乡村振兴、工业化、科技进步等领域的经验值得学习借鉴。
日本庆应义塾大学名誉教授大西广认为,共同富裕是中国当前重要的奋斗目标,这一目标在国际上也有所实践。“中国提出的‘一带一路’倡议正帮助发展中国家进步,正是实现‘世界版共同富裕’的重要实践。”
德国黑森州欧洲及国际事务司前司长博喜文表示,近年来,中国已被证明是全球经济增长最重要的驱动力,互联互通的世界从中国的稳定增长中受益匪浅。
“在我看来,正是这不同寻常的道路——中国特色社会主义道路,使中国模式对其他国家具有吸引力,为其他国家开辟了更广泛的交流借鉴机会。”俄罗斯科学院中国与现代亚洲研究所“俄罗斯、中国、世界”中心高级研究员安德烈·达维多夫说。
“人类命运共同体”为全球发展贡献中国智慧
百年变局叠加世纪疫情,是携手应对风险挑战,还是“大难临头各自飞”,这是摆在国际社会面前的选择。面对“建设一个什么样的世界,如何建设这个世界”的时代之问,二十大也提供了“中国答卷”。
加纳通讯社发表评论指出,二十大强调推动构建新型国际关系、构建人类命运共同体,这表明中国正在积极解决中国和世界面临的新问题和长期存在的难题。
“世界大国不仅要自己发展,还要为整个国际社会的安定和繁荣以及人类整体的生存和发展作贡献。”东日本国际大学客座教授西园寺一晃表示,回顾近现代史,一些国家的发展是以牺牲他国利益实现的。而中国提出的人类命运共同体理念,为世界共同发展提供了有益经验,展现了大国应有的责任和担当。
“中国在展望自身发展的同时,也提出了一个更广泛的、面向国际社会的展望。”韩国全球战略合作研究院院长黄载皓认为,人类命运共同体理念寻求多元文明交流互鉴的新局面,寻求人类共同利益和共同价值的新内涵,同时也在寻求各国合作应对多样化挑战和实现包容性发展的新道路。(完)
(参与记者:吴旭 苏婧欣 吕少威 张晨翼 田冰 马秀秀 陈悦 王国安 刘旭)
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() |