y39彩票下载app_百度词条

红星耀中华 | 大卫·弗格森：中国共产党的领导是强大的政治优势******

　　2006年，大卫·弗格森（David Ferguson）从英国远渡重洋，来到中国。十多年来，他主要从事新闻出版工作。作为中国外文局外文出版社的荣誉英文主编，弗格森是《习近平谈治国理政》一至四卷英文版的英译文改稿专家，并参与了我国多部政府白皮书以及其他各类重点图书英文译文的改稿润色。他不仅见证了中国的发展，也在以一个西方人的视角向世界传播更多中国的声音。

　　大卫·弗格森。受访者供图

　　来到中国前，一如很多西方人，弗格森对中国了解甚少。“我当时只是知道中国是一个大国，以为除了北京、上海这样的大城市以外，中国大部分地方都很贫穷。”弗格森说。

　　然而，到中国后，弗格森发现他此前对中国的印象并不准确。尤其是在2008年3月，当他看到西方媒体对于中国西藏的不实报道与抹黑之后，弗格森决定将自己所亲眼见证的中国故事以更加准确、真实的方式呈现给西方受众。

　　随后，弗格森成为了中国一家新闻网站的记者，并先后参与了汶川地震、北京奥运会、上海世博会等一系列重大新闻事件的报道。

　　入职外文出版社后，弗格森曾前往中国多个城市考察，并撰写多部介绍中国二三线城市的书籍。然而，最令其自豪的，莫过于作为英文编辑参与了《习近平谈治国理政》英文版的审校与出版工作。他本人也对习近平新时代中国特色社会主义思想有着深刻的见解和认识。

　　“习近平新时代中国特色社会主义思想听上去有些复杂，但如果深入研究你会发现，这是一个逻辑严密的整体。”弗格森说。“每一个（理念）都是这套完整思想体系的一部分。它们组合在一起，涵盖了治理中国的方方面面。”

　　大卫·弗格森手持《习近平谈治国理政》。外文出版社供图

　　弗格森认为，中国共产党的领导是中国得以飞速发展的重要原因，是强大的政治优势。在他看来，中国的脱贫攻坚成就举世瞩目。

　　2022年10月22日，党的二十大在北京胜利闭幕。弗格森表示，中共二十大的召开“恰逢其时”。

　　弗格森对二十大报告中提出的“中国式现代化”一词有着自己的见解。“中国式现代化要走的路与以往美西方现代化不一样。”弗格森说，“这不是一条为了少数人利益而剥削多数人的道路。这是一条合作共赢之路。这是一条以人民为中心的发展之路。这样做的目的是确保没有人被抛在后面，每个人都能共享发展的果实。我认为中国共产党带领中国在这方面做得很好。”

　　但与此同时，西方一些国家仍然对中国和中国共产党采取敌视的态度，并不时发动媒体对中国进行抹黑。弗格森认为，这不是简单的误解。

　　弗格森说，误解的出现是由于缺乏信息或误导性信息而发生的。而中国现在面临的是一种被故意制造的“情感敌意”。“美西方花了很长时间试图让人们相信，他们的制度是最好的、唯一行之有效的，而突然之间出现了一个没有采用他们的制度却做得非常好的国家。”

　　弗格森指出，中国的发展使得西方人近代以来的道德和制度优越感受到了挑战，对于中国的诋毁和抹黑是出于情绪上的反应。“在我看来，这便是整件事情的根源。”他说。

　　2021年弗格森获得中国政府颁发给外国专家的最高荣誉“中国政府友谊奖”。同年，他还获得了我国出版界最高涉外奖项“中华图书特殊贡献奖”。这是对他多年来的辛勤工作，尤其是致力于在国际舞台上传播中国声音的最好褒奖。

　　谈到自己对于未来工作生活的展望，弗格森表示，会一如既往地工作下去，争取作出更多贡献。他已经去过大半个中国，每到一个地方都有新的收获。“未来，我希望做的另一件事是在社交媒体上展示中国，因为比起写书，在社交媒体上我们能够触达更多读者，继而传递更多中国声音。”

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）