乐中彩票|-(中国)百度百科

相知“冰雪”中，习近平成就中外互动的另一种叙事******

　　(近观中国·冬奥)相知“冰雪”中，习近平成就中外互动的另一种叙事

　　中新社北京2月2日电 题：相知“冰雪”中，习近平成就中外互动的另一种叙事

　　作者 钟三屏

　　“啪！”

　　伴随着清脆的声响，中国国家主席习近平和俄罗斯总统普京共执的冰球落向冰面。天津体育馆内，两国青少年冰球友谊赛正式开球，热情的观众掀起涌动的人浪。

　　2018年，这个中俄元首互动的画面，成为两国之间友好交往的经典缩影，也书写下习近平以冰雪运动会友的又一个动人故事。

　　伴随着北京冬奥会的脚步渐行渐近，细心的人们发现，冰雪运动早已走进中国最高领导人的外事日程表，被习近平频频带到外交场合。以冰雪运动会友，正在成为中国外交的一道别样风景，也展现出中外互动的另一种叙事。

　　作为首位出席境外大型国际体育赛事开幕式的中国元首，习近平在2014年索契冬奥会开幕式的现场，给世界带来不一样的中国形象。

　　在冰雪运动营造的友好氛围下，索契冬奥会的主火炬尚未点燃，多边外交舞台已经热闹非凡。习近平短短43个小时里出席了12场活动，既包括元首会晤等双边活动，又有出席开幕式、参加招待会等多边互动，还有接受俄罗斯媒体专访等公共外交日程。有评论指出，以冰雪运动为媒，中国最高领导人在国际多边舞台上，与各国共同谱写出梦想交织共鸣的动人乐章。

　　冰雪运动，不仅是中国在多边外交场合广聚朋友的“共同语言”，更是在双边交往中深化友谊的“金钥匙”。

　　习近平在2017年访问芬兰时，于芬兰总统尼尼斯托举行的欢迎宴会上，获赠中芬两国冰雪运动员送上的运动衣，两国元首商定将2019年定为中芬冬季运动年。

　　2019年，在尼尼斯托总统访华时，为衬托冬季运动主题，北京的人民大会堂西大厅被冰雪元素装扮一新，中国的大熊猫和芬兰的驯鹿在银装素裹背景下相映成趣。

　　一来一往之间，中芬冬季运动年正式开启，两国人文交流再添“冰雪元素”。

　　随着冬奥会正式进入“北京时间”，这种相知于“冰雪”之中的独特叙事，也在向人们讲述着中国的“价值观”与“世界观”。

　　正如习近平亲自录制视频助力北京申办冬奥时所言，“2022年冬奥会在中国举办，将有利于推动中华文明同世界各国文明交流互鉴，带动中国13亿多人关心、热爱、参与冰雪运动，让中国人民再次有机会为奥林匹克运动发展和奥林匹克精神传播作出贡献。”

　　由此，外界不难读出，这种“价值观”以“人”为尺度，这种“世界观”以“相知”为底色。

　　北京冬奥申办成功后，习近平2017年专程到访瑞士洛桑的国际奥委会总部。在拥有上万件展品的国际奥林匹克博物馆，国际奥委会主席巴赫陪同习近平参观并全程讲解。习近平则代表中国向国际奥委会送上苏绣《仕女蹴鞠图》，并向巴赫介绍中国古代“足球”。在浓缩着历史的博物馆，中外文明交流相知的一幕，恰与奥林匹克精神彼此映照。

　　在中外互动中，北京冬奥会不只向外界讲述“高大上”的故事。借助“带动三亿人参与冰雪运动”的东风，家门口的滑雪场、身边的志愿者、孩子们的滑冰课，勾勒出中国百姓日常生活的生动图景，更立体的中国形象在世界得到呈现。

　　“成功举办北京冬奥会、冬残奥会，不仅可以增强实现民族伟大复兴的信心，也给世界展现了阳光、富强、开放、充满希望的国家形象。”今年伊始，习近平在考察北京冬奥筹备工作时有感而发，“历史会镌刻下这一笔，世界将对中国道路有全新的认识。”

　　2008年的北京，在全球40多亿电视观众的注目下，中国以一场无与伦比的奥运盛会刷新世界的“中国印象”。2022年，透过北京冬奥会的窗口，正不断推进新一轮高水平对外开放的中国将如何与外界互动，人们同样期待。

　　在“冰雪”中相知，中外互动的另一种叙事，已经悄然展开。(完)(图片素材来源：新华社、中新社、北京2022年冬奥会和冬残奥会官网)

出品人：陈陆军

总策划：王晓晖

监制：张红、夏宇华

策划：郭金超

统筹：梁晓辉、王凯

主笔：黄钰钦

视觉|编辑：张舰元、李雪瑶、马学玲

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）