【浙江龙泉“青马学习班”系列调研（一）】搭建一个“出真知”的学习体系******

　　明天的中国，希望寄予青年。

　　党的二十大报告指出，“全党要把青年工作作为战略性工程来抓，用党的科学理论武装青年，用党的使命感召青年”。

　　新时代新征程，如何提升广大青年的理论素养，加强广大青年的思想引领，锤炼广大青年干事创业能力，推动广大青年以奋斗姿态挺膺担当，是各级党委政府必须高度重视的课题。

　　2022年以来，浙江省龙泉市在全域举办青年马克思主义者学习班(青马学习班)，针对年轻干部和青年人才的理论学习和能力提升，进行了有效探索。

　　知行合一，打破理论与实践的“壁垒”

　　“理论脱离实践是空谈，能够指导实践才是真知。青年马克思主义者学习班就是要为广大青年干部、人才提供一个‘出真知’的地方。”谈起举办“青马学习班”的初衷，龙泉市委组织部常务副部长李小春的回答简洁而又直指问题的关键。

　　在李小春看来，青年群体有朝气，有冲劲，有强烈的求知欲，但也往往对理论知识掌握不透，对实践问题了解不深，给自身的工作、发展造成困扰。“青马学习班”就是要打破青年干部人才遇到的理论与实践之间的“壁垒”，为青年答疑解惑，通过学习，掌握科学理论蕴含的世界观和方法论，提升解决实践问题的本领，实现锻炼一支高水平的青年人才队伍的目的。

学习班开班第一课

　　龙泉市“青马学习班”起初在2022年7月开办。党的二十大之后，结合二十大报告的新理念、新提法、新论断，对学习内容进行了系统性地丰富、完善、提升。整体课程以“习近平新时代中国特色社会主义思想”为总论，设置涵盖政治、经济、文化、科教、民生、生态等11个篇章，并于2022年12月正式开班。

　　“升级”后的学习班在保持理论学习的高度与深度、全面与系统的同时，也高度关照龙泉当地的市情实际，鼓励学员们从地方产业发展、基层社会治理、营商环境建设、生态价值转化等实际工作中深刻理解理论的指导意义，理论与实践相结合的特点更加明显。

　　在这里，学员们结合龙泉发展实践对党的二十大精神进行系统钻研，常修常炼，常悟常进。培训班学员夏柳希说，“青马学习班”促使年轻干部以更高标准更严要求，系统深入地学习习近平新时代中国特色社会主义思想，在学习中成长，在实践中长技，不断提高适应新时代的业务能力和专业素质。

　　由点及面，实现从“盆景”到“风景”的跃变

　　学习班最初的开办具有实验性质，龙泉决定“点上先行”，在青年干部群体中先行先试，开设“86后”副科级干部、“91后”优秀年轻干部2个班次。学员在单位推荐的基础上，组织开展“综合比选”，最终择优选取80名青年干部以“周末课堂”形式开展为期一年的集中学习。

　　随着学习班开办经验的日益丰富、成熟，以及龙泉发展对青年干部人才的旺盛需求，龙泉在学习班开办上更进一步。

　　一是“线上延伸”。学习班广泛吸纳新生代企业家、青年工匠、教师、医护、农师、妇女等各行业、各领域中的青年才俊，形成新生代企业家、青年剑瓷匠人、青年巾帼等8个学习班，既实现了统一学习品牌、统一学习体系、统一管理体制，又做到分群体、分专题开展针对性学习培训。

　　二是“面上覆盖”。构建起市乡村三级联动格局，龙泉全市19个乡镇（街道）及若干村（社）同步铺开，学习班学员从开班之初的80人增长至1600余人，累计组织学习活动52场，实现“青马学习班”从“盆景”到“风景”的持续跃变。

　　青年当立鸿鹄志，做力行者。如何将理论融入实践，培育一支想干事、能干事、干成事的人才队伍，一直是理论教学的难点。“青马学习班”通过系统性地学马信马、研马用马，帮助青年群体提高理论素养，砥砺理想信念，在学思践悟中理解龙泉的发展脉络，明确自己的奋斗方向，正在交出一份扎实的“龙泉答案”。

　　（光明网记者 陈建栋、李澍）

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