世界银行下调2023年全球经济增长预期至1.7%******
中新社华盛顿1月10日电 (记者 沙晗汀)世界银行当地时间10日公布最新一期《全球经济展望》报告,将2023年全球经济增长预期下调至1.7%,低于2022年6月预计的3%。
报告说,2023年1.7%的经济增长预期将是近30年来经济增速的第三低数据,仅高于发生全球衰退的2009年和2020年。
报告指出,受通胀高企、利率上升、投资减少以及俄乌冲突对经济活动扰乱等影响,全球经济增长正在急剧放缓。世行预计,2023年和2024年全球经济将分别增长1.7%和2.7%,较此前预期分别下调1.3和0.3个百分点。95%的发达经济体和近70%新兴市场和发展中经济体2023年经济增长都较此前预测有所下调。
世行预计,发达经济体2023年经济增长为0.5%,较此前预期下调1.7个百分点;新兴市场和发展中经济体2023年经济增长为3.4%,较此前预期下调0.8个百分点。其中,2023年,美国经济增长0.5%,欧元区为零增长,中国增长4.3%。
报告还预计,未来两年新兴市场和发展中经济体人均收入年均增长2.8%,比2010年至2019年的平均水平低一个百分点。在撒哈拉以南非洲地区,预计2023年至2024年人均收入年均增长率仅有1.2%,将可能导致贫困率出现上升而非下降。
世界银行行长戴维·马尔帕斯表示,当前,全球资本被政府债务水平极高且利率不断上升的发达经济体吸纳,新兴市场和发展中国家由于债务负担沉重、投资疲软,可能在未来多年都会增长乏力。(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)