浙江“解题”共同富裕：把缩小三大差距作为主攻方向******
中新网杭州1月12日电(记者 项菁)五年来，浙江城乡居民人均可支配收入继续稳居各省区第1位，城乡居民收入倍差从2.04缩小到1.94以内。聚焦共同富裕愿景，今后五年，该省把缩小三大差距作为主攻方向，目标到2027年城乡居民收入倍差缩小到1.9以内。
浙江省第十四届人民代表大会第一次会议12日在杭州开幕，浙江省省长王浩作政府工作报告时透露上述信息。
“十四五”开局，浙江被赋予高质量发展建设共同富裕示范区的使命。共同富裕作为一场以缩小地区差距、城乡差距、收入差距为标志的社会变革，浙江之所以能够先行先试，关键原因在于上述三大差距较小。
也由此，对于探路共富的浙江而言，缩小三大差距仍是主攻点。
发展进程中，区域间有山海之别。浙江则加大统筹区域发展力度，提升协调发展水平。
浙江省第十四届人民代表大会第一次会议开幕 张斌 摄过去一年，该省推动杭州宁波唱好“双城记”、四大都市区和中心城市协同发展。同时探索山区海岛县高质量发展新路子，26个“产业飞地”落地建设，山区26县生产总值增速高于浙江全省平均。
浙江，七山一水二分田，曾让“山”与“海”之间横亘着一条区域发展不平衡不充分的沟壑。为发挥“山”与“海”的特色优势，浙江实施“山海协作工程”，推动陆海统筹、山海互济。
2022年是浙江“山海协作工程”实施20周年。迈过“新起点”，浙江如何持续提高区域协调发展水平？
政府工作报告指出，今后五年，浙江要推动山区海岛县高质量发展，实施新一轮“山海协作”，加强新型帮共体建设，提高“产业飞地”“科创飞地”“消薄飞地”建设质效；精准迭代“一县一策”，推动山区县做强“一县一业”主导产业、海岛县完善“一岛一功能”布局体系。
县城连接着城与乡，既是城镇化的主战场，也是缩小地区差距、城乡差距的支撑点。
未来五年，浙江将聚焦增强县城产业平台带动能力、基础设施支撑能力、公共服务保障能力、生态环境承载能力，支持县城做大做强特色主导产业，完善交通、水电气等基础设施，优化教育、医疗、养老等公共服务供给，提升人居环境质量。
“到2027年县城人口占县域比重年均提高0.8个百分点，努力打造以县城为重要载体的城镇化建设示范省。”王浩如是说。
迈向共同富裕，把好“公平”之秤，农村谓之关键。
五年来，浙江城乡一体化步伐加快。2022年该省推进强村富民乡村集成改革，集体经济年经营性收入50万元以上行政村比例超过50%。
王浩提到，今后五年，浙江将全面推进宜居宜业和美乡村建设，提高乡村基础设施完备度、公共服务便利度、人居环境舒适度，“让农民就地过上现代文明生活”。
在深化“千村示范、万村整治”工程方面，今年该省将创建和美乡村示范县10个、示范带22条；发展壮大新型农村集体经济，年收入30万元以上且经营性收入15万元以上的行政村占比超过90%。
共同富裕关乎城乡发展，亦涉及分配问题。构建“橄榄型”分配结构是共同富裕的重要标志，浙江深谙。
政府工作报告指出，2022年浙江城乡居民人均可支配收入分别增长4.1%、6.6%。未来五年，浙江要千方百计增加群众收入、增进民生福祉。
从就业维度看，该省将完善重点群体就业创业支持政策，加强新时代浙江工匠培育，深化职业技能培训，强化灵活就业和新就业形态劳动者权益保障，推动更多低收入群众进入中等收入群体行列。同时健全工资合理增长机制，最低工资标准最高档年均增长7%左右。(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 盈彩网app地图 |
