“双碳”政策将为国家绿色转型奠定重要基础******

　　中新网天津8月3日电 (杨子炀 庞喻文)3日下午，2022亚布力中国企业家论坛的“碳中和：认识与实践”公共话题论坛在津举办。国家气候战略中心战略规划部主任柴麒敏在论坛上表示，“这一轮的碳中和政策动员，我们把它称之为‘双碳’或‘气候变化’政策的主流化。相信这个阶段的政策实践，将会为我们整个国家绿色低碳的全面转型奠定非常重要的基础。”

　　“双碳将是一场广泛而深刻的系统性的革命。”中关村储能技术联盟理事长、中科院工程热物理所研究员陈海生认为，“衡量一个行业或者说一个产品，未来一定要增加一个维度，比如说原来一是性能，二是造价，那我们还要增加的一个衡量的量，就是碳排放。所以说由于增加了这一个约束条件或者说衡量的量，那么对整个行业将带来革命性的影响。”

　　伏羲智库创始人李晓东认为，选择一条绿色节能低碳的经济发展路径是很关键的，所以一个必要路径就是要做经济数字化转型，来发展数字经济。

　　“从我们的实践上来看，最重要的抓手是建筑节能。”远大集团党委书记、集团副总裁、天津公司及近零公司董事长丁元刚表示，“如果不把现有的能耗降下来，任何一种能源都替代不了，加上科技创新，我们通过实践发现建筑节能其实是比较容易的，我们国家存量有大约600亿平米的建筑，如果我们采用北欧那种被动房技术，或者甚至比北欧更好的方式的话，那么我们应该可以把现有的建筑能耗降低80~90%。”(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