大星彩票注册网_百科百科

沪政协委员吁实现最大化赋能 优化留学归国人才服务政策******

　　中新网上海1月10日电 (记者 许婧)受疫情常态化影响，越来越多的意向留学人群倾向毕业后回国就业。上海如何进一步让留学归国人才更好发挥独特优势，提升城市核心竞争力与软实力，建成国际化人才高地？正在此间召开的2023年上海两会上，政协委员们纷纷建言献策。

　　作为中国开埠最早的城市以及目前最大和最发达的城市，上海一直以来都是引才聚资的前沿，对全球高端人才具有强劲吸引力。上海也一直致力于构筑人才战略优势、建设高水平人才高地，鼓励和支持留学人员来沪就业、创业。

　　上海市人社局相关数据显示，去年6月份留学人员落户新政出台以来，通过直接落户政策引进留学人员已超过3万人。目前，来沪工作和创业的留学人员累计达27万余人。

　　海外高端人才大规模流入带来了巨大效益，为上海科技进步与经济发展注入了强大动力。近年来，海外高端人才引领上海经济社会发展的效应更为明显。他们带来了先进的学术思想，促进了科研管理及理念的国际化，提升了上海的软实力。

　　不过，留学归国人才来沪发展仍有一些突出诉求目前没有得到解决。

　　上海市政协委员、致公党上海市委副主委张文明受访时说，结合全市中心工作，致公党上海市委开展专项重点课题研究，汇聚高校、政府侨务部门、留学社会组织、上海市欧美同学会等不同涉侨、涉留学归国人员部门的智慧，通过大量数据分析和再分析，对在沪留学归国人才的生存状况、人才贡献情况、人才发展面临的问题等进行了深入分析。

　　张文明介绍，致公党上海市委在调研中发现，目前上海留学归国人才对拓宽信息渠道仍有突出需求。回国、来沪求职、创业的过程中，海归仍或多或少受到获取信息渠道不畅、创业资源对接不顺的钳制，强关系网络和非正式关系仍在求职创业过程中发挥着重要作用。

　　同时，海归也表达了需进一步加大多种扶持力度的期待。“围绕海归人才就业、尤其是创业过程中最关注的人才服务、税收租金减免等问题，制定相应的解决方案，用足政策、强化支撑，也是紧迫的重要诉求之一。”

　　在对上海的人才政策和方略进行评估后，致公党上海市委提出了进一步优化上海留学归国人才服务政策的建议。

　　“留学归国人员渴望有更加优化的服务体系。‘互联网+政务服务’的提出和发展已为企业办事提供了相当的便利，但对海归人才创业过程的新问题、新诉求，政府也需不断优化公共服务体系和鼓励发展市场化服务功能，为海归创业企业和创新项目实现最大化赋能。”张文明说。

　　曾在日本留学10 年的张文明是在2005 年毕业之际选择回到祖国工作。他结合自身经历谈到，人才引进政策从早期的填补空白到如今涉及高端人才，其实应该向有实际工作经验的人才倾斜，加大对这类人才的引进力度；在未来的人才支持方面，应尽可能向科研成果转化方面倾斜，要注重相关研究成果的实用性评估，集中力量支持那些解决具体问题的人才发展。

　　此外，应重视引进人才团队建设，对海外应届博士生的引进建议尽可能在既有研究团队基础上引进，这样可以发挥海归人才的专业优势，有助于引进的高端人才在相关领域延续所学，继续作出贡献；还应大力支持关键制造业方面方面的人才，特别是应建立针对创业型人才评价的体系，并以此作为进一步支持的依据。

　　“我们研究发现留学归国人才正在呈从中心城区向周边城区扩散的趋势，这是对于上海市发挥各具特色城区资源具有积极的导向作用。因此，我们建议结合五大新城建设，进一步出台相关政策吸引留学归国人才积极参与五大新城建设，提升五大新城的竞争力和整体发展水平。”张文明说。(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）