点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
中国八部门启动公共领域车辆全面电动化先行区试点******
中新社北京2月3日电 (记者 刘育英)中国工业和信息化部等八部门近日印发通知，在全国范围内启动公共领域车辆全面电动化先行区试点工作，期限为2023年至2025年。
工信部网站3日发布的《关于组织开展公共领域车辆全面电动化先行区试点工作的通知》要求，试点领域新增及更新车辆中新能源汽车比例显著提高，其中城市公交、出租、环卫、邮政快递、城市物流配送领域力争达到80%；新增公共充电桩(标准桩)与公共领域新能源汽车推广数量(标准车)比例力争达到1:1，高速公路服务区充电设施车位占比预期不低于小型停车位的10%等。
此次试点的重点任务包括：提升车辆电动化水平；促进新技术创新应用；完善充换电基础设施。通知提出，科学合理制定新能源汽车推广目标，因地制宜开展多元化场景应用，鼓励在短途运输、城建物流以及矿场等特定场景开展新能源重型货车推广应用。支持换电、融资租赁、“车电分离”等商业模式创新。
试点工作以城市为主体自愿申报，首批试点集中受理申报材料的截止时间为2023年3月31日。通知提出，鼓励试点城市加大财政支持力度，因地制宜研究出台运营补贴、通行路权、用电优惠、低/零碳排放区等支持政策，探索建立适应新技术新模式发展的政策体系。(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
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
1分快3地图 |
)