田立坤介绍,我国数字经济相关的法律规范日益完善,涉及行政法、民法、知识产权法等多个领域,涵盖网络安全、知识产权、市场竞争、消费者权益保护等多方面议题。比如,《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》、《中华人民共和国网络安全法》等,为《数字经济促进法》提供了良好的法制环境。
此外,浙江、广东、江苏、河南、河北等地已先后出台数字经济促进条例,对数字基础设施建设、数据资源开发利用、数字产业化、产业数字化、治理数字化、数字技术创新、保障和监督等形成法律条文,为制定《数字经济促进法》提供了良好的立法基础。
田立坤建议,以数字基础设施建设、数据资源开发利用、数字产业化、产业数字化、治理数字化、数字技术创新、保障和监督等为核心,整合各领域、各地域、各层级的数字经济治理规则,完善主管部门、监管机构职责,为数字经济提供统一、周全的保障和支持,建立综合治理体系、提升综合治理能力,加快《数字经济促进法》立法。
其中,要以信息技术为支撑、以信息网络为基础,为经济社会发展提供感知、传输、存储、计算及融合应用等基础性信息服务的公共设施体系,主要包括通信网络基础设施、算力基础设施、新技术基础设施、融合基础设施和信息安全基础设施。
在数据资源开发利用方面,要高度重视政务数据开放共享,深化政务数据跨层级、跨地域、跨部门有序共享,建立健全公共数据资源体系;支持社会化数据服务机构发展,鼓励市场力量挖掘商业数据价值,推动数据价值产品化、服务化,大力发展专业化、个性化数据服务;支持数据资源开发市场化发展,创新数据交易模式,拓宽数据交易渠道,促进数据高效流通。
做好数字产业化。重点推动集成电路、高端软件、数字安防、网络通信、智能计算、新型显示、新型元器件及材料、网络安全等产业发展,促进云计算、大数据、物联网、人工智能等技术与各产业深度融合,培育区块链、量子信息、柔性电子、虚拟现实等产业发展。
做好产业数字化。推动大中小型企业数字化转型。重点支持农业、制造业、服务业数字化转型升级,并重点支持智慧农业和水利、工业、商务贸易、智慧物流、金融、能源等行业开展数字化转型提升工程,探索平台企业与产业园区联合运营模式。
加强治理数字化。推动数字技术与政府履职全面深度融合,加快实现“一网通办”。推动公共服务资源数字化供给和网络化服务,深化新型智慧城市建设,推动城市数据整合共享和业务协同,因地制宜构建数字孪生城市,鼓励加快城市智能设施向乡村延伸覆盖。(光明日报全媒体记者 李政葳 梁爽)
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)