大众彩票骗局_ISO/安卓/推荐(2023已更新)

美议员扬言要在台湾举行听证会，岛内担心将把台湾“推向险境”******

　　【环球时报特约记者 于名】美国众议院新成立的“中国特别委员会”扬言要在台湾召开听证会，讨论军售问题。此举引发岛内外对2023年台海局势的担忧。

　　据台湾《联合报》1月27日报道，“中国特别委员会”成员、美国共和党众议员惠特曼称，委员会成员日前开会，交换意见和讨论若干运作目标，而台湾问题无疑是“中国特别委员会”关注的焦点，“盖拉格希望我们在台湾举行听证会。我想我们会这样做，这对全世界以及对台湾都非常有意义”。

　　盖拉格是“中国特别委员会”主席。他在接受美国媒体CQ Roll Call采访时称，委员会将锁定大陆引起的各领域议题，如禁止社交媒体TikTok、提供印太政策建议、调查美国产业受大陆资金与影响力所破坏的领域等，预计2月成立办公室，3月举行首场听证会。他还称，强化台湾安全将成为委员会的工作重点，目前有180亿美元的军售项目延宕交付，“委员会会把协助台湾自我防卫列为紧急议题”。去年12月，盖拉格与共和党籍众议院议长麦卡锡联合发表专栏文章，声称“将让协助台湾自我防卫成为急迫议题”。

　　另据美国之音报道，惠特曼在回答提问时还声称，美国政府在台湾问题上采取的“战略模糊”政策已失去意义，“我们不希望升级为战争，但如果有必要，我们会捍卫(台湾)，但关键是能够震慑，威慑是首要任务”。

　　台湾《中国时报》27日注意到，美国众议院外交委员会共和党人发出推文称，新上任的外交委员会主席麦考尔与台北驻美代表萧美琴日前举行“非常好的会谈”，“讨论我们如何能在第118届国会会期中强化我们之间至关重要的伙伴关系”。之后，萧美琴发推文声称，“在国会山忙碌一天，讨论来年在许多领域如何进行对我们伙伴关系重要的合作”。

　　针对美国众议院“中国特别委员会”扬言到台湾举行听证会，有台湾涉外官员称不曾听说，尚待了解，“如果美方提出，双方会讨论”。《联合报》称，“中国特别委员会”野心勃勃，已引发部分美国国会议员的担忧，众议员孟昭文日前表示，“这恐将加剧仇华心理，对亚裔不利”。《中国时报》27日也说，两岸关系目前的紧绷状态使华盛顿智库出现一股新的氛围，虽意见不一，但有一个共识，就是认为台海若有战事，美国将付出很大代价。有智库学者对于美国国会议员“过度抗中”的言论提出警告，认为这实际上是不利于美国，也不利于台湾。文章以去年8月前美国众议院议长佩洛西窜台引发两岸紧张局势举例称，华盛顿智库“德国马歇尔基金会”亚洲计划主任葛来仪当时就公开质疑，此行时机不恰当。《纽约时报》专栏作家弗里曼也曾撰文批评佩洛西“无比鲁莽、危险且不负责任”。

　　国民党国际部副主任黄裕钧表示，不管美中之间如何竞争，对美国来说，都希望台湾不要带给美方意外，这点最近许多美方人士都提到，过去马英九当局做得非常好。

　　台湾《中国时报》28日刊登的一篇评论称，台湾人都深知两岸军力悬殊之大，不是台湾花多少军费，买多少精良先进的美国武器就能赶得上的，因此唯有避战才是“王道”。但蔡英文当局却反其道而行之，不仅邀请多批美国国会议员窜台，制造美国会出兵保卫台湾的假象，还不顾各方劝阻力邀佩洛西窜台，结果引起大陆围台军演，从此失去了缓冲带。没想到如今新“内阁”即将上台，美国众议院新成立的“中国特别委员会”又研议3月可能到台湾召开两岸情势听证会，了解美国如何在军售等方面“协防台湾”。文章认为，美国国会议员来台开听证会，“极具侵犯台湾主权的意味”，对台湾极不尊重。而台当局对于这些挑动台海紧张情势的动作，台面上都不表态，但台面下不管是被动的无奈，甚或主动配合，“一味亲美抗中的蔡政府，都是把台湾推向了险境”。（环球时报）

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）