仲博彩票平台邀请码|仲博彩票平台必赚方案

　　

联通民心，习近平“老友记”跨越山海******

　　(近观中国·外交篇)联通民心，习近平“老友记”跨越山海

　　中新社北京9月28日电 题：联通民心，习近平“老友记”跨越山海

　　作者 钟三屏

　　“结识新友，不忘老友。”伴随海内外足迹，中国国家主席习近平与外国友人的交往故事，成为一段段跨越山海的“老友记”；和老朋友代代传承的友谊，也投射着“国之交在于民相亲”的中国外交理念。

　　有的老友结缘于年少之时。老挝重要领导人贵宁·奔舍那的后人曾在中国求学多年留下青春的足迹，其中萨马诺·奔舍那等不少人都是习近平在北京八一学校求学时的校友。

　　2010年，时任国家副主席的习近平访问老挝时，专门抽时间与奔舍那兄妹会面。2017年，习近平对老挝进行国事访问期间，再次与这些老朋友、老同学相见。从在八一学校时奔舍那家族几个孩子穿的古铜色灯芯绒裤子，到他们打扫卫生的情景，习近平都记忆犹新。在萨马诺·奔舍那眼中，习近平一直都没有变，“习主席是一位重情重义的人，无论跟谁有过交往他都不会忘记”。

资料图：2021年10月15日，“澜沧号”动车组通过中老友谊隧道内的两国边界。新华社发曹安宁摄

　　有的友谊始于早年的工作机缘，在常来常往中愈加深厚。1985年，时任河北正定县委书记的习近平赴美国艾奥瓦州马斯卡廷考察，萨拉·兰蒂女士负责接待工作。27年后，习近平再访马斯卡廷，来到兰蒂家中与老友重叙友谊。兰蒂说，习近平走进客厅的那一刻，整间屋子沸腾了。他一直在和老朋友们聊天，都没顾上吃饭。“他依然记得当年发生的每一件事，与老朋友们有聊不完的话。我们有太多回忆要重温。”

　　2018年，兰蒂撰写的回忆录《老朋友：习近平与艾奥瓦的故事》正式出版。2022年，她致信习近平感谢他对老朋友的珍贵情谊。习近平则在复信中希望兰蒂女士和艾奥瓦州老朋友们继续为中美两国人民友好作出新的贡献。

　　习近平跨越山海的“老友记”，不仅体现着中华文化中“人莫若故”的友情观，也是国际友谊的“双向奔赴”，是人与人之间走向心灵相通的一段又一段旅程。

　　在那次老挝“同学会”上，一起与习近平会面的，除了萨马诺兄妹，还有他们的下一代。“习主席特别着重讲了，要多跟下一代讲述我们自父辈开始的友谊，要把友谊一代又一代传承下去。”萨马诺说。

　　澳大利亚塔斯马尼亚州原州长培根自年轻时代就对中华文化十分痴迷，任期内多次访华，并由此与当时在福建工作的习近平成为好友。2001年正值福建省和塔州建立友好省州关系20周年，培根被授予“福建省荣誉公民”称号，习近平则接受了培根“到塔州走一走、看一看”的邀请。

　　后来培根不幸早逝，习近平2014年访澳期间专程去看望了培根的家人。培根的长子马克表示将积极促进和中国的经贸合作，次子斯科特则说，今后要带着女儿去中国。

　　国之交在于民相亲，民相亲在于心相通。习近平“老友记”经由岁月的陈酿，正越来越成为中国与世界交往大篇章的一部分。

资料图：厦门大学美籍教授潘维廉。厦大供图

　　习近平的多年老友、厦门大学外籍教授潘维廉出版《我不见外——老潘的中国来信》一书，从外国人视角讲述中国改革开放的故事，帮助世界更好地读懂中国。这份浓浓的中国情，让习近平很感动。

　　从另一个角度看，习近平的“老友记”以及蕴含其中、穿越千山万水的情谊，也是中国长期以来交往国际朋友的缩影。

　　回顾历史，被称为中国人民“老朋友”的国际友人有许许多多，从载入史册的白求恩、埃德加·斯诺、艾格尼丝·史沫特莱，到如今的潘维廉、兰蒂等人，中国和老朋友的友谊代代传承，见证了国际合作朋友圈的不断壮大。

　　这也正如习近平所指出的，“中国人民是重情义的，我们永远不会忘记曾经风雨同舟、相互理解和支持的老朋友”。(完)(图片素材来源：新华社、中新社、中新网)

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）