彩之家平台-(2023已更新(搜狗/知乎)

新时代新征程要加强国际传播能力建设******

　　本期光明网理论学术动态导读关注国际传播、县域发展、长江经济带高质量发展、文化数字化等话题，欢迎网友踊跃参与讨论。

　　【程曼丽、赵丽芳：新时代新征程要加强国际传播能力建设】

　　中央民族大学新闻与传播学院教授程曼丽、赵丽芳认为，新时代新征程，要加强国际传播能力建设，不断增强中华文明传播力影响力，以切实的举措推动中华文化更好走向世界。加强国际传播能力建设，要围绕中华文化深耕细作，把中华优秀传统文化的精神标识和中华优秀传统文化中具有当代价值、世界意义的文化精髓提炼出来、展示出来，坚定文化自信，坚守中华文化立场，积极推动中华文化走出去；要构建具有鲜明中国特色的战略传播体系，打造具有国际影响力的媒体集群，重视发挥高层次专家在重要国际会议论坛、外国主流媒体等平台和渠道发声的作用，重视发挥海外华人、海外中资企业、国际友人等在国际传播中的作用；要用好国际化传播平台，积极运用5G等信息技术开展新闻传播实践，加快移动端传播平台建设，创新短视频、微视频、云直播、语音播报等多元信息发布形式，研究掌握传播平台的发展趋势，打造更多受众喜闻乐见的沉浸式、互动式新闻产品。

　　摘编自《人民日报》

　　【盛誉、黄凯南：在乡村振兴背景下落实县域发展的重点任务】

　　北京大学现代农学院教授盛誉、山东大学县域发展研究院院长黄凯南指出，当前在乡村振兴背景下，县域发展面临着对农业的关注度不足、农业内部分工不足导致农民增收难、缺乏将农业现代化与现代生物、数字技术有机结合的意识和能力等方面的挑战。要在乡村振兴战略的视角下推动县域经济发展，一方面要保障口粮绝对安全与主要农产品自主可控，建立支持农业生产、适应农村转型和兼顾城乡统筹发展的发展战略，以工促农带动农食系统逐步完成高效高质绿色方向转型。另一方面要以县城为核心构建多维度的市场机制，逐步缩小县乡和县城之间的收入和社会福利差异，提升资本和劳动在城乡间和农业内部的配置效率，实现全民共同富裕。同时要创建绿色农业发展方案，重视自然资源经济价值评估和生态补偿机制建设，提高绿色生态农业、可再生农业等在县域农业发展中的比重，加强农业数字化转型建设，提升县域发展的可持续性。

　　摘编自《光明日报》

　　【范恒山：区域协同联动推动长江经济带高质量发展】

　　北京市习近平新时代中国特色社会主义思想研究中心特约研究员范恒山指出，长江经济带作为流域经济是一个整体，需立足于区域协同联动，推动长江经济带高质量发展。具体而言，一是要加强产业规划对接，建立产业规划统筹协调机制，强化区域产业规划沟通协商，突出各地发展规划的针对性和独特性。二是要进一步清理和破除妨碍资源要素顺畅流动、有效配置的规定与做法，打破地方保护和市场分割，进一步优化营商环境，推动创新资源要素顺畅流动。三是要进一步完善省际间产业转移统筹协调机制，因地制宜创新合作模式和管理方式，促进区域间产业转移与承接。四是长江经济带各地区应积极整合创新资源，立足于比较优势，通过强化分工和密切协作推动传统产业改造升级，打造一批战略性新兴产业基地，延伸和完善产业链布局。五是要打破数字壁垒，推进区域信息枢纽港建设，推动数据赋能全产业链协同转型，建设一体化数字支撑平台。

　　摘编自《经济日报》

　　【解学芳、臧志彭：文化数字化是推动文化产业高质量发展的内在要求】

　　同济大学人文学院长聘特聘教授解学芳、华东政法大学传播学院“经天学者”特聘教授臧志彭指出，文化数字化是建设文化强国的重要抓手，是推动文化产业高质量发展的内在要求。实施国家文化数字化战略是推动公共文化数字化、文化产业数字化与文化消费数字化的系统工程，需要通过完善三大路径深化文化与科技的融合。首先要夯实文化数字化新基建，推动文化资源全域整合与数字化转化，加快建设可信数据流通环境，培育数据要素市场，打造可体验、可沉浸、可感触的活态文化产品，让文化产品更加多元。其次要统筹文化大数据平台，着力推进公共文化资源全域化、全形态的数字化整合，加快公共文化数字资源数据库建设，增强公共文化数字内容展示与供给能力，让公共文化服务更加普惠。再者要发展文化数字化消费场景，丰富“上云用数赋智”等要素在文化消费场景的应用，助推智媒体、云游戏、智慧文旅等新业态，以及“大屏”和“小屏”无缝切换等新消费场景的高质量发展，加快培育用户的数字文化消费习惯，让文化体验更加丰富。

　　摘编自《中国社会科学报》

　　（光明网记者徐倩阳整理）

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）