大发彩票技巧 - 大发彩票下载

法澳联合声明插手台海问题 专家：会进一步加剧地区形势复杂性******

　　【环球时报驻法国、澳大利亚特派、特约记者 于超凡 达乔 环球时报报道 记者赵霜 张晗】澳大利亚与法国“2+2”部长级会谈1月31日发表联合声明，表示两国将共同为乌克兰提供数千发155毫米口径炮弹。同时，联合声明提到法澳在印太地区的合作，并将台海问题列入其中。接受《环球时报》记者采访的专家认为，法澳联合声明中涉中国表述的增加，是对美国盟友身份的再次宣示。在美国因素和乌克兰危机的影响下，法澳两国试图作为“印太地区的重要国家”在安全领域发挥影响，应该以促进区域合作、维护地区稳定为目标，硬扯上台海局势对两国及地区而言都是有害无益。

　　据路透社1月31日报道，正在法国访问的澳大利亚副总理兼国防部长马尔斯和外交部长黄英贤与法国国防部长勒科尔尼及外交部长科隆纳举行了“2+2”部长级会谈。除了重点探讨的法澳联合生产“数千发”155毫米炮弹，印太地区防务合作也是主要议题之一。澳大利亚国防部长马尔斯表示，“(法澳)双边关系正在升温”，期待两国国防军事伙伴关系更加深入，在印太地区进行更多的联合演习和军事合作。法国近年来一直谋求通过与地区国家合作来加强其在印太地区的军事存在。

　　澳大利亚《时代报》报道称，马尔斯提出法国是澳大利亚在太平洋地区最近的邻国之一，法国海外领地法属新喀里多尼亚和澳大利亚诺福克岛之间的距离不到700公里。他说：“法国是印太地区的自由民主国家，它拥有一个由全球规则秩序管理的全球愿景。”“从这个意义上说，作为我们最亲密的邻国，法国确实处于澳大利亚与世界上任何国家之间关系的最顶端。”

　　不过，澳媒称，两国在国防合作上仍存在分歧。法国仍寄希望在澳大利亚从英美获得核潜艇前能够向澳出口常规动力潜艇。对此，马尔斯给出了否定的答案。

　　在会后发布的联合声明中，双方在对乌军援、生态转型、军事合作等方面达成一致。除此之外，声明大篇幅谈到法澳在印太地区的合作，包括供应链安全、海上安全、气候变化等领域，以及重申支持东盟的中心地位和东盟主导的区域架构。此外，声明还在“印太地区”部分罕见地谈及台海问题，强调台海和平与稳定的重要性，呼吁在不使用武力或胁迫的情况下，通过对话和平解决两岸问题；重申共同反对单方面改变现状；承诺共同努力支持台湾有意义地参与“国家资格不是先决条件”的国际组织的工作；重申继续深化与台湾在经济、科学、贸易、技术和文化领域的关系。

　　此外，声明还写道：“部长们认识到，在应对气候变化、保护生物多样性、粮食安全和减免最脆弱国家的债务等共同关心的全球问题上，与中国继续合作至关重要。”

　　华东师范大学澳大利亚研究中心主任陈弘1月31日接受《环球时报》记者采访时表示，法澳联合声明此次对中国相关问题的表述与以往相比有所增加，增加的内容与美西方营造的舆论相同，相当于按照美国的剧本宣示自己的立场。然而，澳大利亚虽然有它的利益关切或战略考虑，但不能有损于中国的核心利益。

　　陈弘说，美国在推出“印太战略”后，一直希望将欧洲的力量引入印太地区，作为该地区重要国家的澳大利亚起到了跳板作用。他举例说，马尔斯接下来要去美国，黄英贤也有其他欧洲行程，在这期间，除了乌克兰问题，另一重点就是将欧洲一些力量引入印太地区。

　　中国国际问题研究院欧洲所所长崔洪建告诉《环球时报》记者，从双边的角度来讲，法国和澳大利亚希望通过此次“2+2”部长级会谈进一步缓和受“奥库斯”影响的双边关系；从法国方面来说，则期望通过加强和澳大利亚的关系来推进它的“印太战略”。在该背景下，法澳联合声明谈到台湾问题，是要表示对台海局势的关注。在这一点上，法国和澳大利亚都受到美国、乌克兰危机的影响，两国认为，作为印太地区的重要国家，他们需要保持对该地区安全的影响力。

　　不过，崔洪建强调，法国以及一些推出了“印太战略”的国家要搞协调但不能拿所谓“台海紧张局势”当借口。在涉台问题上不负责任的表态不仅会给这些国家的对华关系造成干扰，还会进一步加剧地区形势的复杂性。（环球时报）

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）