点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
【奋发2023】西门子肖松：2023年数字化和低碳化将成为中国经济向前的双轮驱动******
中新网1月17日电(中新财经 吴家驹)“随着中国疫情防控进入新的阶段，中国经济发展将迎来复苏并为全球经济增长提供强劲动力。过去几年间，在政策指引、市场驱动和技术赋能的合力之下，数字化加快布局，低碳化深入实施。”
近日，西门子全球执行副总裁，西门子中国董事长、总裁兼首席执行官肖松在接受中新网“中国新观察”栏目采访时表示，2023年，数字化和低碳化将继续成为中国经济稳步向前的双轮驱动。
肖松认为，一方面，数字化为中国经济“稳增长”提供新动能。从传统制造业，到基础设施，乃至更广阔的行业领域，数字化赋能千行百业加速转型升级，释放经济发展新活力。
另一方面，在全球经济前景受众多不确定因素影响的背景之下，低碳转型成为企业主动求变、主动突破、主动创造的历史性窗口。随着中国各行业绿色低碳转型路径的逐渐清晰，以及低碳技术的不断突破，相信未来会有更多的中国企业加入到低碳发展的进程中，为中国经济社会发展注入绿色动能。
肖松表示，西门子将以“双轮驱动”挖掘中国数字经济和“双碳目标”所带来的机遇，为中国经济的高质量和可持续发展注入加速度。(完)
搜索
复制
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（）  视觉焦点
天下彩票地图 |
)