仲傅彩票平台攻略_仲傅彩票平台返点

【国际锐评】这场新年首访是“怀旧之旅”，更是“开创之旅”******

　　从“一带一路”、农渔业，到基础设施、金融、旅游等，一系列合作文件在中菲两国元首共同见证下签署。这一连串丰硕成果，见证了北京新年首场外事活动的不同寻常。

　　4日，中国国家主席习近平在北京同来华进行国事访问的菲律宾总统马科斯举行会谈。两国元首都强调了中菲关系对彼此的重要性，同意保持经常性战略沟通，并就深化务实合作、妥善处理海上问题等达成了重要共识。

　　这是马科斯去年6月就任总统后，首次正式访问东盟以外国家，也是中方今年接待的首位外国领导人。中菲关系的密切程度可见一斑。去年11月，习近平主席与马科斯总统在泰国曼谷首次举行面对面会晤，为双边关系发展指明方向。时隔1个多月，两国元首在北京再次相聚，为双边关系未来发展擘画出更清晰、更细致的蓝图。总的来看，既涉及深化中菲政治互信，也涵盖拓展多领域的务实合作。

　　作为近邻，中菲有着上千年的友好交往史。过去一段时间，中菲关系曾经历一些困难，但在双方共同努力下，中菲关系近年来重返健康发展轨道，不断结出合作硕果。这样的势头来之不易，值得双方共同珍惜。

　　在会谈中，习近平主席指出，中方始终把菲律宾放在周边外交优先方向，坚持从战略和全局高度看待中菲关系，愿同菲方“做互帮互助的好邻居、相知相近的好亲戚、合作共赢的好伙伴”，并从共同维护亚洲地区和平繁荣的高度出发，提出愿与菲律宾及其他东盟国家聚焦合作与发展。这展现出中国与邻为伴、与邻为善的真诚意愿。作为一位与中国缘分很深的政治家，马科斯总统强调，中国是菲律宾最强劲的合作伙伴，没有什么能够阻挡菲中友谊的延续和发展。这向外界传递出中菲双方排除外界干扰、致力于深化两国传统友好的积极意愿。

　　近年来，中菲经贸合作展现出蓬勃生机。中国是菲第一大贸易伙伴、第一大进口来源地和第二大出口目的地。双方已确立农业、基建、能源、人文四大重点合作领域。中方“一带一路”倡议同菲律宾“多建好建”有效对接，开展了近40个政府间合作项目。此次，马科斯总统携规模庞大的商业代表团访华，足以说明菲方对拓展对华合作的高度重视。

　　在会谈中，习近平主席为深化中菲务实合作规划了清晰蓝图。中方提出，愿助力菲方农业农村发展，打造农技中心品牌项目；扎实推进基础设施和互联互通领域合作；并愿持续扩大进口菲律宾优质农渔产品，支持中国企业赴菲律宾投资兴业。这些举措将有力支持菲律宾国家经济发展，密切两国合作纽带。

　　南海问题是中菲关系绕不开的一个问题。近年来，某些西方国家将战略重心转向亚太，试图借南海问题兴风作浪，挑动中国与有关国家的矛盾分歧。但总体而言，中菲两国有效管控了相关分歧，没有让它伤害中菲关系大局。马科斯总统上任后曾明确表示，“不能让海上问题定义整个菲中关系”。

　　中方在这次会谈中提出，愿同菲方继续以友好协商方式妥善处理海上问题，重启油气开发谈判，推动非争议区油气开发合作。菲方积极回应称，愿同中方重启油气开发磋商。这表明，中菲有信心、有能力、有智慧维护南海和平稳定，通过友好磋商和谈判解决争议，将南海建设成为和平、友谊、合作之海。这是对外部势力借南海议题在亚太制造分裂对抗的有力回应。一些分析指出，对于海上问题分歧，只要中菲双方坚持既有共识，做大合作蛋糕，前行之路就会越走越宽。

　　1974年，时年17岁的马科斯陪同母亲首次访华，受到中国老一辈领导人的亲切接见。如今，担任总统的他，实现了对中国“期盼已久的访问”，这让外界对中菲关系的未来发展充满期待。有理由相信，在两国元首战略引领下，中菲将聚焦友好合作主流，妥善处理分歧，让更多的务实合作成果造福两国人民，为地区和平稳定贡献更多积极力量。（国际锐评评论员）

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）