盈彩网app走势图 - 盈彩网app计划

携手台胞乡亲共创祖国统一、民族复兴美好未来——访中华全国台湾同胞联谊会会长郑建闽******

　　新华社北京12月14日电 题：携手台胞乡亲共创祖国统一、民族复兴美好未来——访中华全国台湾同胞联谊会会长郑建闽

　　新华社记者石龙洪、尚昊

　　“感谢居住在祖国大陆台胞乡亲的信任，选举我担任全国台联会长，我深感责任重大、使命光荣，一定不辜负党中央的期望，不辜负广大台湾乡亲的重托。”新任全国台联会长郑建闽14日在北京接受记者采访时说。

　　第十一次全国台湾同胞代表会议14日在京闭幕，选举产生了第十一届常务理事会，郑建闽当选会长。

　　1981年成立的全国台联是中国共产党领导的台湾各族同胞的爱国民众团体，是党和政府联系台湾同胞的桥梁和纽带。

　　“全国台联成立40多年来，一代又一代台联人秉持‘两岸一家亲’理念，广泛联谊、服务、团结台胞乡亲，接续奋斗，为推动两岸关系和平发展、促进两岸同胞心灵契合贡献智慧力量。”郑建闽说，全国台联始终是充满亲和力、凝聚力和感召力的“台胞之家”。

　　郑建闽长期在对台交流合作的前沿福建工作，自2012年起担任台盟福建省委会主委，经常与台湾乡亲打交道，熟悉对台工作。

　　不忘初心，继往开来。“现在我又将肩负起全国台联会长的重任，能为促进祖国统一竭智尽力，是我一生的光荣与责任。”郑建闽说。

　　党的二十大报告指出，两岸同胞血脉相连，是血浓于水的一家人，强调始终尊重、关爱、造福台湾同胞。在郑建闽看来，“这充分体现了党对广大台胞的关怀和重视，让台胞乡亲倍感温暖，深受鼓舞”。

　　他认为，党的二十大报告强调贯彻新时代党解决台湾问题的总体方略，提出新征程上推进祖国统一进程的目标要求，阐明对台工作的基本方针、原则立场、重要举措，展现反对外来干涉和反对“台独”分裂的坚定决心、推进祖国统一进程的必胜信心、为台湾同胞谋福祉的不变初心，是在全面建设社会主义现代化国家新征程上做好对台工作的根本遵循和行动指南，为做好新时代台联工作指明前进方向。

　　谈及未来五年的工作，郑建闽表示，全国台联将全面准确贯彻落实党的二十大精神，深入贯彻新时代党解决台湾问题的总体方略，坚决落实党中央对台工作大政方针和决策部署，锚定使命任务，找准性质定位，发挥特点优势，加强自身建设，把广大台湾同胞致力于中华民族伟大复兴和祖国统一的智慧和力量凝聚起来。

　　“我们将继续不断地交朋友、建渠道、搭平台、促合作，积极促进两岸民间交流，深化两岸各领域融合发展，拉近两岸同胞的心灵距离，为祖国统一和民族复兴凝心聚力。”郑建闽说。

　　对两岸关系的未来，郑建闽满怀信心和期待。“解决台湾问题的主动权主导权始终掌握在祖国大陆这一边。祖国完全统一一定要实现，也一定能够实现。”他坚定地说。

　　同心创未来，携手谋复兴。郑建闽呼吁，两岸同胞要携起手来，从中华民族根本利益出发，矢志坚守追求统一、支持统一、捍卫统一的民族大义，坚决反对任何形式的“台独”分裂行径，增强做中国人的志气、骨气、底气。

　　策马扬鞭奋蹄疾，乘势而上正当时。郑建闽表示，全国台联要更加紧密地团结在以习近平同志为核心的中共中央周围，高举中国特色社会主义伟大旗帜，全面贯彻习近平新时代中国特色社会主义思想和党的二十大精神，发挥好“台胞之家”的乡情亲情优势，为台胞谋福祉，为两岸谋发展，携手广大台胞乡亲，为实现祖国完全统一和中华民族伟大复兴而团结奋斗。

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）