1月中国汽车经销商库存预警指数为61.8%******

　　中新社北京2月2日电 (记者 闫晓虹)据中国汽车流通协会1日发布的最新一期“中国汽车经销商库存预警指数调查”显示，2023年1月中国汽车经销商库存预警指数为61.8%，同比上升3.5个百分点，环比上升3.6个百分点，库存预警指数位于荣枯线之上。

　　中国汽车流通协会表示，今年1月，有元旦、春节两个假期，有效工作日较短，加上去年12月燃油车购置税减半及新能源汽车国家补贴政策到期，市场透支效应在今年1月显现。但防疫政策调整，节前购车需求高于预期。

　　从分指数情况看，1月库存、市场需求、平均日销量指数环比下降，从业人员、经营状况指数环比上升。

　　从区域指数情况看，1月全国总指数为61.8%，北区指数为60.6%，东区指数为67.5%，西区指数为48.9%，南区指数为61.0%。南区指数相较上月提升较多，主要是由于外地务工人员返乡过节，部分经销商展厅暂停营业或轮岗值班。

　　从分品牌类型指数看，1月进口和豪华品牌汽车、自主品牌汽车指数环比下降，主流合资品牌汽车指数环比上升。

　　中国汽车流通协会透露，对于2023年车市的判断，超过九成经销商认为汽车市场将有序恢复，其中近五成的经销商认为在2023年二季度车市复苏，特别是下半年车市将出现明显的恢复性增长。大部分经销商认为2023年乘用车销量增幅在5%以内。(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