张华平：加快建立完善中国特色的环境信息依法披露制度******
中新网北京11月17日电 (记者 宋宇晟)“环境信息披露是生态文明制度体系中一项基础性工作，也是一项系统性改革，需要政府、行业、企业共同参与、持续完善。”
16日，生态环境部综合司副司长张华平在生态环境部与欧在华跨国企业高层圆桌会上作主旨发言时如是说。
张华平指出，近年来，生态环境部认真贯彻党中央、国务院决策部署，建立了中国特色的环境信息依法披露制度，引导企业披露其遵守生态环境法律法规情况和环境治理情况，为市场提供“看得到”“看得全”“看得懂”“看得真”的生态环境信息，切实打通市场主体间、市场主体与监管部门间的信息壁垒，引导企业采取环境友好的生产、经营、投资方式，提升环境绩效，让环保工作突出的企业更好地展现自身，帮助市场更好地选择环境治理表现优秀的合作对象，提升市场公平性，推动企业绿色转型发展。
张华平表示，下一步，将会同有关部门一起持续深化环境信息披露制度改革，推动环境信息披露成为现代环境治理体系的重要政策工具，成为服务绿色金融发展的重要参考依据。
张华平指出，跨国企业在促进经济高质量发展中发挥着重要作用，在践行ESG理念、开展环境信息披露中积累了不少经验，后续加强政策交流，共同研究解决披露难点和问题，推进中央改革任务落实落地，进一步提升生态环境监管精准度、创新生态环境治理模式、提升生态环境治理绩效，为包括在华跨国企业在内的重点企业绿色低碳发展、高质量发展提供支撑。
本次圆桌会以“启航新征程 推动绿色发展”为主题，由生态环境部环境与经济政策研究中心、中国新闻社主办，中国新闻网承办。(完)
搜索
复制
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 彩神app地图 |
