每日彩票_每日彩票

工信部：工业节能监察不得向被监察单位收取费用******

　　中新网1月17日电 工信微报微信公众号17日消息，工业和信息化部近日公布《工业节能监察办法》。办法自2023年2月1日起施行。

　　办法所称工业节能监察，是指工业节能监察部门依法对工业和信息化领域能源生产、使用、服务等相关企业、机构执行节能管理有关法律、法规、规章以及强制性国家标准情况进行监督检查，查处违法用能，提出依法用能、合理用能建议的行为。

　　工业节能监察包括下列内容：

　　(一)执行单位产品能耗限额，用能产品、设备能源效率等强制性国家标准情况；

　　(二)执行落后的耗能过高的用能产品、设备和生产工艺淘汰制度情况；

　　(三)加强能源计量管理情况；

　　(四)建立能源消费统计和能源利用状况分析制度情况；

　　(五)建立节能目标责任制情况，加强节能管理，制定并实施节能计划和节能技术措施情况；

　　(六)开展节能宣传教育和岗位节能培训情况；

　　(七)工业节能监察意见落实情况；

　　(八)法律、法规、规章规定的其他需要开展工业节能监察的事项。

　　办法强调，工业节能监察遵循依法、公开、公平、公正和效能原则。工业节能监察不得向被监察单位收取费用。

　　办法提出，被监察单位应当配合工业节能监察，如实说明情况，提供有关资料，不得隐瞒、虚构事实，不得伪造、隐匿、销毁、篡改有关资料，不得拒绝和阻碍工业节能监察。(中新财经)

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）