中共二十大为世界经济变局扮演“常量”******
(中共二十大·观察)中共二十大为世界经济变局扮演“常量”
中新社北京10月19日电 题:中共二十大为世界经济变局扮演“常量”
中新社记者 李晓喻
当百年变局叠加世纪疫情,中国经济、世界经济都面临剧烈变革。在这个非常时期,中共二十大指明了未来5年乃至更长时期中国经济的前进方向,这将对全球产生深远影响。
此次大会对改革与发展理念和路径的坚持,将有效提振人们对世界经济前景的信心,避免悲观预期进一步蔓延。
10月16日,中国共产党第二十次全国代表大会在北京人民大会堂隆重开幕。 中新社记者 毛建军 摄在中国经济总量已达百万亿元人民币规模之际,二十大报告重申了中共多年来的信条:发展是党执政兴国的第一要务。报告中,“坚持和完善社会主义基本经济制度”“毫不动摇巩固和发展公有制经济,毫不动摇鼓励、支持、引导非公有制经济发展”等几代中国人耳熟能详的重要表述依然居于显要位置。
过去十年,这些经济发展理念和路线不仅让中国经济实力有了历史性跃升,也使全球从中受益。中共二十大报告指明,中国将沿着这一被实践证明的成功之路坚定不移走下去。
这种坚持是对此前海外一些针对中国经济政策担心和质疑的最有力回应,也给世界经济吃下“定心丸”。用康宝莱全球高级副总裁郭木的话说,“二十大报告让我们看到了中国市场的确定性”,这足以为全球经济发展带来信心。
此次大会还发出了中国将坚定不移扩大开放的宣言书,这对稳定世界经济“基本盘”具有重要意义。
眼下,世界经济正位于十字路口。疫情余波还未退散,又遇逆全球化、单边主义、保护主义明显抬头,地缘政治紧张局势一再升级,产业链供应链出现多处梗阻。是继续“开门迎客”,在最大范围内互通有无,还是“筑墙设垒”,将多边贸易体制进一步推向分裂,各国对这个问题的答案很大程度上决定了全球经济未来几十年甚至更长时间的命运。
二十大报告给出了中国的回答:坚持对外开放的基本国策,坚定奉行互利共赢的开放战略,坚持经济全球化正确方向。“稳步扩大规则、规制、管理、标准等制度型开放”,“加快建设贸易强国”,“维护多元稳定的国际经济格局和经贸关系”等一系列部署,则为中国开放决心提供了具体支撑和落脚点。
资料图:上海洋山深水港。 殷立勤 摄作为全球140多个国家和地区的主要贸易伙伴,中国坚持高水平对外开放不仅将给其他国家带来新的广阔市场和海量机遇,助其早日走出低谷,更重要的是起到一种示范效应。
“越是‘脱钩断链’甚嚣尘上,越要反其道而行之,以开放合作不断‘筑链’,创造新的联系,让国际经济格局保持稳定。从长远看,这是对全球经济治理最负责任的行为。”中国商务部原副部长魏建国说。
如果从更宏大的视角观之,中共二十大报告除了为世界经济注入“强心针”外,还为其打开了一扇眺望更美好未来的新窗。
目前,距离联合国2030年可持续发展议程的“交卷时间”越来越近,但各国尤其是发展中国家内部发展不平衡、不充分问题仍未得到有效解决。
此次大会将高质量发展列为全面建设社会主义现代化国家的首要任务,冀望走出一条能以尽可能小的投入换来尽可能多的产出,且能更好惠及全体民众,实现人与自然和谐共生的新路。这是一个相当高的目标和追求。一旦实现,不仅将为许多同样在探索发展道路的国家提供宝贵经验,在整个人类历史上都将记下浓墨重彩的一笔。
中国国际经济交流中心总经济师陈文玲对中新社记者称,要化解人类社会发展到今天积累的种种存量矛盾以及潜在的增量矛盾,高质量发展是唯一切实可行的选择。中国对高质量发展的探索,将为全球解决可持续发展难题给出“中国答案”,作出中国贡献。(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() |