孙桢：凝聚应对气候变化共识 发挥公众在应对气候变化方面的创造力******

　　中新网北京11月12日电 中国代表团副秘书长、生态环境部应对气候变化司一级巡视员孙桢11日在此间指出，影视作品能够有效地运用光影艺术联结不同地域和文化，凝聚应对气候变化共识。我们高度重视发挥公众在应对气候变化方面的创造力。

　　11月6日至18日，《联合国气候变化框架公约》第二十七次缔约方大会(COP27)在埃及海滨城市沙姆沙伊赫举行。当地时间11日，第八届中国(深圳)国际气候影视大会新闻发布会在第27届联合国气候大会(COP27)期间举行。孙桢在该新闻发布会上作出上述表示。

　　联合国气候变化框架公约秘书处项目官员Miguel Naranjo表示，人类更习惯于通过故事了解和记忆信息知识。为此联合国气候变化公约组织与影视娱乐行业加强合作，不断探索。中国(深圳)气候影视大会是我们支持的重要项目之一。期待与大会进一步加强合作，吸引更多利益相关方参与，共同致力于实现《巴黎协定》目标。

　　中国(深圳)国际气候影视大会创始人、深圳市航都文化公司董事长陈素平宣布，第八届中国(深圳)国际气候影视大会的各项筹备工作正式启动，诚邀各方参与支持。据悉，中国(深圳)国际气候影视大会，从全球100多个国家和地区已累计征集气候主题影视作品一万多部。(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