三分快三登录 - 互动百科

中国有序恢复出境游 亚太国家翘首以待“老朋友”回归******

　　新华社曼谷1月6日电（国际观察）中国有序恢复出境游亚太国家翘首以待“老朋友”回归

　　新华社记者

　　近期，中国不断优化调整防疫政策、有序恢复公民出境旅游。新年伊始，中国游客将逐渐回归的消息，为亚太地区特别是以旅游业为支柱的东南亚国家经济复苏再添信心。多国政府和旅游业界表示，热切欢迎中国“老朋友”们再度到来。

　　期待旅游业“春风”

　　在来自泰国的嘟嘟车司机马克眼中，中国游客回归是经济繁荣的信号。他十分怀念新冠疫情前曼谷市区熙熙攘攘、游客接踵摩肩的热闹场景。

　　疫情暴发前，2019年泰国共接待约4000万外国游客，其中中国游客占近三分之一。泰国财政部长阿空·登比达亚拜西日前表示，虽然世界经济面临下行压力，但中国有序恢复公民出境旅游等利好因素，有望推动泰国实现今年3.8%的经济增长目标。泰国旅游与体育部长披帕·拉差吉帕干表示，泰国已经将2023年游客人数预期由原本的2000万人次上调至2500万人次。

　　同样以阳光、沙滩和海岛闻名的菲律宾与印度尼西亚也将中国视作重要国际游客来源地。

　　菲律宾总统马科斯日前发出邀请，希望中国游客重返菲律宾，领略这个热带海岛国家的自然风光和人文风情。印度尼西亚旅游和创意经济部长桑迪亚加·乌诺日前对新华社记者表示，疫情冲击印尼旅游业及将近100万个相关工作岗位，中国游客对印尼重振旅游业十分重要，越来越多往返中国与印尼的航班复航带来好消息。

　　柬埔寨首相洪森提出，希望今年接待200万人次的中国游客，推动柬埔寨经济高速增长。

　　此外，近期多家跨境航空公司陆续计划增加国际航班与航线数量。中越多家航空公司宣布，增加往返两国的航班和航线数量，助力区域跨境旅游业逐步复苏。

　　准备迎接“老朋友”

　　随着中国不断优化调整防疫政策、有序恢复中国公民出境旅游，亚太地区各国旅游业从业者正为迎接中国游客到来而摩拳擦掌。

　　在位于南半球的新西兰，部分当地旅行社已开始与中国合作方沟通、定制最新游览路线。新西兰中国旅行社总经理李瑞秦表示，随着中国公民逐渐恢复出境游，中国游客将成为今年新西兰旅游业重要客源补充，助力当地旅游业进一步复苏。

　　在澳大利亚从事旅游行业十余年的何清远对记者说，中国春节即将到来，他们正策划一些针对中国游客的特色旅游项目。

　　在东南亚，泰国国家旅游局局长育他沙说，泰国旅游业已开始准备迎接中国游客的到来。除了海滩和美食，他们计划向游客推荐泰东北部的民俗文化旅游线路。近来，缅甸饭店和旅游部积极组织汉语以及旅游相关培训课程，希望在即将到来的旅游旺季吸引更多中国游客。

　　菲律宾长滩岛、印尼巴厘岛等海岛向来备受中国游客青睐。长滩岛上，因疫情暂停营业的中餐厅陆续恢复经营，当地旅行社也相继推出春节旅游产品，主打海岛特色旅游吸引游客。

　　印度尼西亚旅游知识分子协会会长阿兹里尔·阿扎哈里告诉记者，旅游业是巴厘岛主要经济活动，盼望中国游客尽快到来，享受已更新升级、能满足更多元需求的旅游服务。

　　入境政策“一视同仁”

　　洪森表示，欢迎中国游客来柬旅游、振兴该国经济和旅游业，柬埔寨不会对华采取入境防疫限制措施。

　　新西兰政府4日重申，经过公共卫生风险评估，新西兰对国际到达旅客的防疫要求保持不变，采取额外入境限制“既不需要也不合理”。

　　泰国副总理兼卫生部长阿努廷4日发表声明说，泰国将对来自所有国家的入境者一视同仁，不会对某一个国家的入境者采取特殊防疫措施。

　　澳大利亚旅游业非常期盼中国游客到来。澳旅游和交通论坛首席执行官玛吉·奥斯蒙德说，任何针对中国游客入境的限制政策都将让本有望在2023年迎来复苏的旅游业遭遇一记重击。（执笔记者：宋宇；参与记者：刘锴、汪奥娜、孙磊、卢怀谦、李惠子、郝亚琳、吴长伟、张东强、林昊、陈家宝、李、蔡蜀亚、孙一、王媛媛）

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）