意学者：全球治理面临挑战，“中国方案”务实践行多边主义******

　　中新网北京1月5日电 题：意学者：全球治理面临挑战，“中国方案”务实践行多边主义

　　记者 陈彩霞 孟湘君

　　2022年，世界局势加速演变，乌克兰危机愈演愈烈，国际保护主义、霸权主义势力不断抬头，2023年世界面临着怎样的挑战与新局？中国又如何以自身行动，继续担任维护世界和平稳定的重要力量？

　　意大利洛伦佐·梅迪奇国际关系研究所专家法比奥·马西莫·帕兰迪近日接受中新网专访时表示，2023年影响全球局势的变量众多，如地缘政治、经济发展和全球治理等因素，而多边主义的缺失，是影响整个国际关系走势最重要的因素。他指出，在此大背景下，中国将以务实态度倡导各方平等对话，着眼于弥补全球治理缺失等问题。

　　“乌克兰危机是更大冲突的缩影”

　　当前，乌克兰危机仍在继续，和平谈判曙光难现。帕兰迪认为，乌克兰危机不是局部危机，而是俄罗斯与美国、北约等国之间更大冲突中的一部分。其根源是美国挑起的地缘政治对抗，背后目的，在于美国企图维护其全球霸主的单极国际秩序。

　　帕兰迪指出，当前，西方正在以“非常激进的”方式援助乌克兰，且没有公开任何合理和明确的未来路线图，更不会真诚地去寻求解决方案。因此，短时间看不到乌克兰危机结束的趋势。这场冲突，下个月不会结束，可能甚至2023年内，都难以结束。

　　虽然土耳其、中国等负责任的第三方国家，试图从中斡旋帮助解决这场危机，但能对局势起到决定性作用的，是直接对垒的俄乌双方。

　　“西方孤立于世界一体化进程之外”

　　当前，欧洲和美国并未践行多边主义，拒绝俄罗斯的融入，导致全球治理存在缺陷，帕兰迪强调，美国无异于是在营造一个“新的冷战环境”。

　　帕兰迪强调，在强大的西方体系之外，世界其他国家正在增加相互依存度，并希望找到打破冷战思维的方法。但事实上，西方正采取孤立的方式发展。因此，环顾当今世界，帕兰迪指出，人们看到的是一个更加孤立的西方，以及一体化程度加深的亚洲。

　　亚洲国家之间正不断呈现新的相互依存度和一体化进程，中印俄以一致对外、可持续的方式与世界其他地区建立联系。如，在一些国际会议上，亚洲国家与拉丁美洲、非洲积极互动举行会谈。近期，中国和阿拉伯国家领导人会面也是如此，充分说明这种西方之外的一体化进程在转变和发展，而西方正在将自己孤立于世界其他地区的新一体化进程之外。

　　“美国要首先摆脱对华冷战心态”

　　谈及大国关系发展趋势，帕兰迪认为，如果以华盛顿为首的西方国家不改变自己的(冷战)思维和外交政策，支持各国相互尊重、相互依存，根据新的世界力量平衡改革全球治理体系，像中美关系这种重要大国关系中的问题，就不可能解决。

　　他指出，一方面，中国正在以一种积极的、意义重大的方式努力，以促进多边主义、各国相互尊重和实体经济合作。

　　然而，另一方面，美国却采用几近对抗、保护主义和滥用经济制裁的方式对待中国等国。因此，如果美国不能首先出发，摆脱这种冷战心态和封锁逻辑，中美关系不可能找到正确的出路。

　　“中国外交务实践行多边主义”

　　中共二十大后，中国国家主席习近平密集开展元首外交，先后会见德国、古巴、蒙古等国领导人，随后出席二十国集团和亚太经合组织两大峰会，并出席首届中海峰会，取得丰硕外交成果。

　　帕兰迪认为，这是一个积极的迹象和信号，显示出中国想要了解世界其他地区的想法和意愿，证明了中国正为践行多边主义而努力，不会歧视任何国家，正在为创造更美好的世界而努力。

　　他进一步指出，中国的这些外交努力并不掺杂任何负面因素，主要是增进相互理解，从相互尊重出发，着眼于解决当前全球面临的一些主要问题，如各国发展差距和全球治理缺失等，这是中方的重要目标。

　　帕兰迪强调，2023年，如果中国能顺利克服新冠疫情带来的冲击，它将继续为成功实现可持续发展目标和加强欧亚一体化做出努力，并再次为世界实体经济复苏与发展做出贡献。

　　帕兰迪认为，中国一直秉持务实态度，倡导与世界各国展开平等对话，帮助各国解决发展差距问题。中国的做法，在世界范围内获得了很多认同，世界也越来越关注中国在处理国际关系事务时采用的“中国方案”。帕兰迪相信，这是帮助不同民族和文明之间关系实现“真正民主化的唯一途径”。(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