吉好彩票|吉好彩票

【光明论坛】发挥党组织在共同富裕中的强大组织功能******

　　【光明论坛】

　　作者：祝奉明（北京市习近平新时代中国特色社会主义思想研究中心研究员、中国政法大学马克思主义学院副教授）

　　党的二十大报告强调，“增强党组织政治功能和组织功能。”“各级党组织要履行党章赋予的各项职责，把党的路线方针政策和党中央决策部署贯彻落实好，把各领域广大群众组织凝聚好。”共同富裕是中国特色社会主义的本质要求，也是一个长期的历史过程。实现共同富裕是一个复杂的系统工程，尤其需要不断增强党组织的政治功能和组织功能，团结带领全国人民把美好愿景转化为现实生活。

　　党的十八大以来，党的组织建设重点突出、亮点鲜明，通过不断增强组织效能，激发党组织生机活力，党组织的政治性、时代性、原则性、战斗性不断增强，助力党团结带领人民打赢脱贫攻坚战，全面建成小康社会，实现第一个百年奋斗目标，推动共同富裕迈出了坚实的一大步。新征程上，我们要继续深入探索党组织的组织功能建设的内在规律，充分发挥党组织的强大组织功能，推动全体人民共同富裕取得更为明显的实质性进展。

　　创新组织体系，建强“主心骨”，夯实力量之源，增强共同富裕工作领导力。当前，围绕共同富裕这一重大政治任务，要打造全面进步、全面过硬的党组织，既要根据新经济组织、新社会组织出现情况及党员流动情况调整或设置党组织，打破传统组织设置方式；也要围绕有利于辐射带动、资源整合的要求，跨区域、跨行业建立党组织，实现经验共享、资源互补、共同发展，确保资源得到有效整合和运用。从而切实增强党组织的领导力，提高党组织把方向、做决策的能力和定力，使党组织成为“主心骨”，发挥党的强大政治优势，确保顺利推进共同富裕。

　　提升主体能力，培育“突击队”，激发内生动力，增强共同富裕政策执行力。习近平总书记强调：“没有广大党员、干部的积极性和执行力，再好的政策措施也会落空。”共同富裕关键在人，党员干部是共同富裕的核心要素，其数量多少、质量高低、能力强弱、素养好坏直接关系到共同富裕能否顺利推进。打造一支想干事、能干事、干成事的优秀党员干部队伍刻不容缓。通过做好干部教育培训，提高理论素养和政策执行能力；把严格管理干部和热情关心干部结合起来，完善激励保障机制，调动干部工作积极性，引导他们树立正确政绩观；坚持公开公平公正原则，做好选配、监督和考核工作。从组织上、思想上、行动上确保广大党员干部以饱满的工作热情投入共同富裕工作中。

　　优化体制机制，着力“固长远”，增强共同富裕发展推动力。法治是现代政治文明的核心。通过健全和完善党规国法，构建党组织内外共同遵守的制度规范，实现党组织建设的科学化和制度化，不仅是保证党组织职权顺利实施的客观需要，也是保证社会各界利益不受侵害的必然选择。一方面，不断完善党内法规，依法授予和分配党组织职权、界定党组织职责、保障党组织职能，规范党组织的组织功能；另一方面，完善法律法规，依法加强引导，规范党员的行为，确保党组织依法维护人民利益、领导社会治理、严格依法办事，确保党员特别是党员领导干部认真学习国家的方针政策、法律法规，起好学习、拥护、捍卫、执行制度的表率带头作用，保证党组织的工作不越位、不失位、不缺位。

　　强化服务效能，激活“原动力”，感召凝聚力量，增强共同富裕群众动员力。服务效能是凝聚人心，提高党组织动员力、组织力、战斗力的最重要手段。伴随社会主要矛盾的转化，群众利益诉求更加复杂化和多样化，服务需求日益增加，党组织只有在共同富裕中站稳人民立场，着眼于服务型党组织的建设，坚定服务宗旨、增强服务意识、改进服务方式、提高服务本领、改善服务质量、创新服务载体，提高群众对党组织各项工作的满意度，才能将广大群众有效组织和动员起来，紧紧团结在自己周围，为共同富裕汇聚起磅礴力量。

　　实现共同富裕不仅是经济问题，而且是关系党的执政基础的重大政治问题。在扎实推动共同富裕的新阶段，全体人民共同富裕的美好画卷正在徐徐展开，要充分发挥党组织的组织功能，把广大党员、干部、群众和各类社会组织团结、凝聚起来，投入共同的事业，坚定信心、同心同德，埋头苦干、奋勇前进。

　　《光明日报》（ 2023年01月04日 02版）

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）