【浙江龙泉“青马学习班”系列调研（二）】探索从“飘在天边”到“在我身边”的学习方法******

　　理论学习最忌“虚浮气”。为了提升学习成效，龙泉“青马学习班”在创新学习方法上下足功夫，让广大学员能够“学下去”“深下去”“不打烊”“见行动”。

　　三个课堂：立体式创新“怎么学”

　　学员们都说，“‘青马学习班’的课堂有特色”。对此，剑池街道干部周昌勇学员感触颇深。2022年11月26日，“我为文旅产业发展献一策”主题活动开课。周昌勇和学习班的同学们并没有第一时间前往教室，而是先后实地调研宝剑小镇、城市文化客厅、西街街道三江口等地，与文旅产业发展的一线实践“撞了个满怀”。

　　目前，学习班三大课堂之一的“身边课堂”， 将学习阵地搬到实践现场，已开展走进田间地头看乡村振兴、走进企业车间看产业发展、走进项目现场看城市建设、走进文旅古迹看业态运营等系列学习活动，以直面问题的鲜活形式提升教学针对性和实效性。

“我为文旅产业发展献一策”主题活动开课

　　同时，“青马学习班”还破题“线上课堂”。学习班在微信公众号、短视频等平台组建“青马之声”等一系列线上“微课堂”。周昌勇在线下学习之余，就通过这些线上课堂巩固、拓展知识，将学习阵地由“一时一地”拓展为“随时随地”。

　　除了在实践中感悟、在线上巩固，专家学者、一线权威人士的“点拨”也是学习不可缺少的一环，这就是“青马学习班”精心打造的“特色课堂”。在实地调研之后，学员们将与研究机构的专家学者，市委市政府相关领导、相关领域先进工作者“面对面”。他们结合学员们的参观体验，为学员传经送宝。在这个过程中，龙泉形成了“部门解惑、书记点评”的特色学习模式，相关部门负责人全程参与、市委书记到场点评。

　　周昌勇说：“以前我只关注自己的‘一亩三分地’， ‘三个课堂’拓宽了视野，提升了格局，我现在不仅对全市的情况有了系统了解，更加深了对党的二十大、浙江省第十五次党代会等重要精神的理解。”

　　三场交流：学以致用见实效

　　学习，是为了致用。“青马学习班”从一开始，就树立了“真学习、真思考、真效果”的鲜明导向，通过开展读书分享沙龙、调研成果汇报、项目谋划路演三场交流活动，引导学员互看互学、互比互赛，在思想碰撞、交流分享中明理增信。

学员进行分享

　　“我的本职工作是在经济与财务方面，学习班让我有了一个将自身特长与龙泉发展结合的机会。”学员毛剑斌在考察中对“三农”工作有了很深体悟，通过与其他同学的分享交流，逐步完善自己的想法，最终形成《将“新意”贯彻“三农”——我对“三农”工作的建议》，对龙泉市如何培育新农民、打造新农村、发展新产业提出了系统的建议。

　　此外，龙泉还立足自身剑瓷文化特色，开设剑瓷匠人班，紧扣宝剑与青瓷产业发展，对学员进行系统性培训，鼓励学员们积极交流探索将古法与现代工艺融合的发展路径，并形成报告，助力剑瓷产业创新发展。

　　截至2022年12月中旬，“青马学习班”已形成各个领域的重点调研报告86份，为龙泉各类特色产业发展贡献力量。

　　很多学员说，参加学习班之前，他们都觉得理论就像“飘在天上的云彩”，可望不可即，通过“三个课堂”“三场交流”的学习，才真正感觉到，理论就在大家的身边，只要大家愿意“蹦一蹦”，理论的果实就一定摘得着。

　　事实上，“青马学习班”搭建了龙泉青年交流发展、共同进步的平台。在这里，学员带着求知的热情和为民的情怀前进，正在迸发出锐不可当的“青春力量”。

　　（光明网记者 陈建栋、李澍）

　　相关阅读

　　【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

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