四川省政协委员、九三学社四川省委会监督委员会副主任延华。 王磊 摄
传统产业转型升级也是加快建设现代化产业体系的重点之一。数据显示,2022年四川省茶业综合产值达1080亿元,稳居全国第三。在四川省政协委员、四川省茶叶集团股份有限公司董事长颜泽文看来,近年来四川交通、水利等基础设施不断改善,茶产业等传统产业发展向好,虽然四川农业现代化基础较好,但农业现代化率和市场占有率不高等短板依旧存在。
对此,颜泽文建议,农业现代化应因地制宜选准优势产业并围绕产业布局配套设施。此外,龙头企业要坚持在科技引领和人才培养上下功夫,加大科技成果转换,提高产品附加值。“以我们集团为例,未来要做规模、做品牌、做文化,缩小和其他城市的差距,带动更多中小茶企走向全国。”
在新兴产业规模化方面,软件开源生态建设受到四川省政协委员、电子科技大学信息与软件工程学院院长周世杰关注。他指出,开源已成为全球IT企业共同的战略选择,开源软件可为企业节省8%的成本。针对四川软件开源生态建设体制机制不全、专业组织欠缺、专业人才匮乏等问题,周世杰建议,要推进平台建设、激励开放共享、引导推广应用、制订规范标准、加强产权保护、加快人才培养,推动软件开源生态助力四川软件产业高质量发展,助力四川现代化产业体系建设。(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() |