大发平台登录 - 大发平台下载

来源：大发平台开奖结果2024-03-09 17:48

大发平台登录

【新时代新征程新伟业】西南政法大学创新开展生态研学云端共上“绿色大思政课”******

　　中新网重庆12月19日电 (记者钟旖)“小朋友们，垃圾桶有哪几种颜色？”“绿色、蓝色、红色、灰色”……当志愿者面对直播镜头抛出问题，在手机屏幕另一端的重庆巫溪县通城镇红路小学校学生们便迫不及待地抢着回答，一场“云端课堂”的环保知识竞答，满溢着热闹又有趣的气氛。

　　这是近日西南政法大学民商法学院学生走进重庆两江新区生活垃圾分类主题公园，开展绿色生态大思政课的生动一幕。

　　据介绍，自2022年11月起，该学院第七届新生骨干训练营的大学生们以民法典、长江保护法、环境保护法等为切口，陆续从人文、生态、历史、科技、智慧等领域展开研学实践探索。在聚焦重庆推动“生态优先、绿色发展、低碳转型”的进展成效的“生态研学”中，他们以山城绿水青山为“课本”，用多样化形式让生态文明意识渐入人心。

图为研学营志愿者云端趣味知识竞答。　钟旖摄

　　网络连线、实地讲解、环保科普、互动问答……记者跟随研学队伍看到，一大清早，13名来自西南政法大学民商法学院的各年级学生便集结完毕。在生活垃圾分类主题公园内，青年们各司其职，参观垃圾分类宣教中心、服务站、低碳之家、旧物利用空间及大件垃圾拆解车间；通过直播讲解垃圾分类的理念、做法及生态环境保护的创新“黑科技”；向社区居民介绍垃圾分类方法，传递低碳生活、绿色出行等环保理念，并对园区管理人员、游客等展开采访。

　　“通过线上‘云游’生活垃圾分类主题公园，小朋友参与知识竞答的热情很高，比平时在课堂上单纯讲知识效果要好很多。”正在巫溪县通城镇红路小学校支教的西南政法大学第24届研究生支教团志愿者夏开峰说，用通俗易懂的语言讲述法规中的垃圾分类，让小朋友们从心里树立起了环境保护的责任和义务。该校六年级学生刘磊上完课后说：“我们要像保护眼睛一样保护自然和生态环境。作为小学生，我们要从垃圾分类、节约资源这些一点一滴的小事做起，争做环保小卫士。”

　　“这已经是我第3次参与环保普法活动。作为西政学子，我深刻意识到自己作为法律人的责任与担当。”西南政法大学民商法学院2022级研究生何家睿介绍说，除了线上直播，研学活动还嵌入了校园普法课、环保科普课、齐诵党的二十大报告关于生态文明建设重要论述等内容，后期同学们还将把实地研学过程形成“微调研报告”，进而传递保护生态环境人人有责的自觉意识。“未来，我将为提高青少年法治观念与法律意识助力，为加强社会主义法治文明建设持续贡献力量。”何家睿说。

　　“大思政课，就是要立足时代发展大格局，协同大主体，统筹大平台。”西南政法大学民商法学院党委书记张伟莉称，推动绿色发展首先要理念更新，尤其是在青少年阶段，牢固树立和践行“绿水青山就是金山银山”的理念。

　　张伟莉说，学院充分发挥法学学科优势，结合生态环保法律开展远程连线，是一项寓教于乐的工作，构建了一个互为教育主体和对象的大思政课堂。在这堂“绿色大思政课”中，大学生既是体验式的学习者，又是巫溪小学生的教育者，实现了教育和自我教育的有机结合。

　　她期待，青年学生在实践研学中，坚定理想信念，提升精神素养，锤炼过硬本领，践行使命担当，成为有志、有趣、有力量的法学学生，以更加饱满的热忱投入到祖国法治建设中。(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（）