工信部:大力培育工业互联网龙头企业和“专精特新”中小企业******
中新网1月18日电 国务院新闻办公室18日举行新闻发布会,工业和信息化部新闻发言人、信息通信管理局局长赵志国在会上表示,下一步,我们将重点从三个方面发力,加快工业互联网规模化发展,推动数字经济和实体经济深度融合,不断释放产业升级动力,助力工业经济稳步回升。
一是优环境,加强政策引导。会同各部门、各地方扎实推进《工业互联网创新发展三年行动计划(2021-2023年)》,确保各项工作圆满收官,研究制定促进工业互联网规模化发展的政策举措,进一步完善顶层设计,用好用足财税金融相关政策,加强产融合作、产教结合,进一步营造良好的发展环境。
二是抓创新,增强发展动能。强化技术创新,深入实施工业互联网创新发展工程,打好技术攻坚战,完善标准体系,破解制约规模化发展的关键短板。深化产业创新,支持电信企业、互联网平台企业、工业企业等各类市场主体发挥各自优势加强联动协同,大力培育工业互联网龙头企业和“专精特新”中小企业,壮大工业互联网产业联盟,打造健康可持续的产业生态。
三是强应用,加快推广普及。加快先进工厂培育,推动企业积极利用5G等技术开展工厂数字化改造,促进新技术新场景新模式的广泛应用。加速产业集群升级,开展工业互联网“百城千园行”活动,总结推广成功案例,促进工业园区数字化绿色化发展。深化重点行业拓展,广泛开展供需对接,加强工业互联网在重点产业链普及,以工业互联网的规模化应用促进实体经济高质量发展。(中新财经)
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)