天下彩票返点_平台推荐安卓版v2.9.1(2023已更新)

中国式现代化的经济学内涵******

　　作者：余淼杰（辽宁大学党委副书记、校长。长江学者、北京大学博雅特聘教授）

　　2022年10月16日，习近平总书记在党的二十大报告中明确指出，从现在起，中国共产党的中心任务就是团结带领全国各族人民全面建成社会主义现代化强国、实现第二个百年奋斗目标，以中国式现代化全面推进中华民族伟大复兴。

　　一、人口规模巨大的现代化

　　如何理解中国式现代化是“人口规模巨大的现代化”？主要可以从以下两个方面来理解。

　　一方面，这集中概括了我国人口规模巨大的特殊国情。迄今为止，世界上实现现代化的国家和地区不超过30个，总人口不超过10亿人，而中国有14亿多人口，且地区、行业、城乡差异巨大，因而人口规模巨大成为了中国式现代化的一大特征。

　　巨大的人口规模固然为中国的现代化提出了一系列挑战，但更构成了未来中国经济的核心竞争优势，即中国能否依托人口规模巨大的优势，充分挖掘巨大的国内市场潜力。中国作为大型经济体，想要实现中国式现代化，必须充分考虑中国人口规模巨大的特殊国情，在坚持对外开放的同时，挖掘好、发挥好我国超大规模市场的优势。具体来说，要抓好“五统一”：一是强化市场基础制度规则统一；二是推进市场设施高标准联通；三是打造统一的要素和资源市场；四是推进商品和服务市场高水平统一；五是推进市场监管公平统一。同时，要进一步规范不当市场竞争和市场干预行为。

　　二、全体人民共同富裕的现代化

　　习近平总书记在党史学习教育动员大会上指出：“历史充分证明，江山就是人民，人民就是江山，人心向背关系党的生死存亡”。我们党始终坚持以人民为中心的发展思想，始终把实现共同富裕作为我们党矢志不渝的奋斗目标。因此，中国式现代化必然是全体人民共同富裕的现代化。

　　第一，强调高水平的富裕，反对不劳而获。第二，强调机会公平，而非结果公平。第三，加大个人收入分配调节力度，合理调整收入分配格局。

　　三、物质文明和精神文明相协调的现代化

　　我国现阶段的主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。因而，如何解决不平衡不充分的发展就成为了当前中国经济社会面临的主要问题。

　　党的十八届五中全会提出了“创新、协调、绿色、开放、共享”五大发展理念，从不同角度解释不平衡、不充分问题。其中，创新是第一原动力，绿色是普遍特征，绿色是内生特征，共享是最终目标，开放是必由之路。因此，一是全面准确地理解和贯彻五大新发展理念，促进物质文明的中国式现代化。二是推进马克思主义的中国化和时代化，促进精神文明的中国式现代化。以经济学为例，构建有中国体系、中国风格的经济学理论。我们要坚定文化自信，推进马克思主义中国化和时代化，在精神文明方面发出中国声音、打造中国学派，实现物质文明和精神文明相协调的现代化。

　　四、人与自然和谐共生的现代化

　　绿水青山就是金山银山。在我国，保护生态环境已经被提到了前所未有的高度，成为中国式现代化的一大重要特征。遵循党的二十大报告，坚持先立后破原则。逐步实现传统化石能源到新兴可再生资源的平稳过渡，实现人与自然和谐共生的中国式现代化。积极参与国际公约谈判，强调累计计算和人均计算的分担原则。

　　五、走和平发展道路的现代化

　　和平与发展是时代的主题，是时代的主旋律。处在经济全球化的时代，要从以下几方面，实现经济层面上的走和平发展道路的中国式现代化。

　　第一，推行“一带一路”倡议，实行差异化发展战略。在三大经贸体系中，亚非发展中国家处于边缘状态，因此我国的“一带一路”倡议大有可为。第二，加强地区经贸合作，优先发展中日韩自贸区。具体来说，推进沈阳城市建设，加强中国与日本、韩国的经贸往来，将其作为推动中日韩自贸协定的主要抓手和“桥头堡”，推动中国经济发展。第三，构建新开放格局，鼓励中国企业“走出去”。

　　总而言之，中国式现代化是共性和特性相统一的现代化，有丰富的内涵，2023年在中国共产党的领导下，以新发展格局为抓手，逐步推进上述措施，我们最终一定能完成中国式现代化，实现中华民族伟大复兴。

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）