彩虹多多赔率 - 在线用户注册首页登录平台

保持吸引外资“增量提质”态势（人民时评）******

　　中央经济工作会议强调，“更大力度吸引和利用外资”。不久前，商务部发布的数据显示，2022年前11个月，我国实际使用外资金额达11560.9亿元，按可比口径同比增长9.9%，已超过2021年全年。外资看好中国、投资中国，向世界展示了中国市场的超强韧性和巨大吸引力。

　　在“稳存量、扩增量”的基础上，我国外资“提质量”也取得明显成效。首先，引进外资促进了关键领域发展。高技术制造业实际使用外资金额增长58.8%，高技术服务业增长23.5%，已成为吸引外资的“主引擎”。其次，外资的来源更多元。来自韩国、德国、英国、日本等国家的实际投资同比分别增长122.1%、52.6%、33.1%和26.6%。“一带一路”沿线国家对我国市场的认可度也不断提升，投资不断增长。再次，外资的区域分布更合理。我国中、西部地区对外资吸引力逐渐增强，外资流入增速分别为28.6%和24.6%。可以说，我国吸引外资在2022年实现逆势增长，出现了“增量提质”的态势，充分表明我国经济韧性强、潜力大、活力足。

　　吸引和利用外资“增量提质”良好局面来之不易。成绩的取得，源于我国完整的产业体系、超大规模的市场、稳定的社会大局、长期向好的经济基本面等综合优势，也因为我国毫不动摇实施了一系列吸引外资的高水平开放举措，切实保障了外资对安全、回报和市场的期盼。在坚持扩大外资市场准入方面，2022年，我国连续第六年缩减全国和自贸试验区外资准入负面清单；把沈阳、南京、杭州、武汉、广州、成都6个城市纳入服务业扩大开放综合试点；2022年版《鼓励外商投资产业目录》总条目比2020年版增长了近20%。在坚持优化投资营商环境方面，2022年，各地区各部门继续深入清理、修订和废止了与外商投资法及其实施条例和司法解释不符的法规文件；积极落实《外商投资企业投诉工作办法》，推动营商环境市场化法治化国际化建设不断深化。在坚持对接高标准规则方面，2022年以来，我国积极推进加入《全面与进步跨太平洋伙伴关系协定》（CPTPP）和《数字经济伙伴关系协定》（DEPA），继续推进多个自贸协定的谈判和升级进程。

　　同时，也要清醒认识到，当前国际形势复杂多变，跨国投资者分散风险考量明显上升，各国吸引外资竞争日趋激烈，世界范围内新增投资呈分散趋势。做好2023年经济工作，实现经济运行总体回升，要求我们切实稳住吸引外资的基本盘，进一步提升利用外资的水平。中央经济工作会议提出：“要推进高水平对外开放，提升贸易投资合作质量和水平。”全面贯彻党中央的决策部署，要稳步扩大制度型开放，落实好外企国民待遇，坚定外资企业在华投资的信心；要认真研究新形势下利用外资的新趋势，抓住全球产业结构和布局调整带来的新机遇，优化外资来源结构；要继续引导外资流向高技术、高标准、绿色低碳等领域，均衡外资产业分布，让我国成为更富吸引力的投资热土。

　　开放是人类文明进步的重要动力，是世界繁荣发展的必由之路。过去中国经济发展是在开放条件下取得的，未来中国经济实现高质量发展也必须在更加开放的条件下进行。只要继续推进高水平对外开放，增强国内国际两个市场两种资源联动效应，就能保持对外资的强大吸引力，以中国新发展为世界提供新机遇。高凌云

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）