香港工商总会会长李圣泼：跟着国家走准没错******
中新社香港12月13日电 题：香港工商总会会长李圣泼：跟着国家走准没错
中新社记者 索有为
“我们响应国家‘一带一路’倡议，第一站选择了马来西亚的马六甲，成为最早到国外、到东盟国家投资的香港企业之一，我们也确实尝到了甜头，这更让我们坚定了要紧跟国家发展战略的信心，跟着国家走准没错。”
香港工商总会会长、信义能源控股有限公司董事局主席李圣泼日前接受中新社记者采访时，言谈中流露出自信和喜悦。
“我们一直是在全球玻璃制造业中做得比较相对领先的企业，但在十几年前，我们就深刻意识到环保包括新能源的重要性，所以在深耕传统制造业的同时，发力光伏太阳能的新能源产业。无论是粤港澳大湾区，还是‘一带一路’，包括现在的双碳目标，我们始终紧跟国家战略，这为我们带来了非常好的发展机遇和庞大的市场空间。”李圣泼说。
出生于福建的李圣泼13岁时从内地移居香港，深受父亲李贤义的爱国情怀熏陶，把爱国爱港、贡献社会视为应有的责任。
“到香港之前，我一直对香港充满憧憬，香港最黄金的年代是在二十世纪八九十年代，因为这正是我们国家改革开放的初期。我们国家不断发展进步，创造了一个又一个的奇迹，而香港回归以来，在‘一国两制’保障下，保持着国际金融中心等独特优势地位。”李圣泼说。
李圣泼在担任九龙乐善堂主席期间，带领乐善堂推出香港首个过渡性社会房屋——“乐屋”，并启动首个校舍改建过渡性社会房屋。
谈及创办“乐屋”的初衷，李圣泼忆起自己的少年时代。“住房问题一直是困扰香港的老大难问题。我刚来香港时，记得父亲曾经带过我们参观他以前住过的地方，当时我就觉得当年的父辈是这么的辛苦。现在香港的住房问题还是没解决，还是有很多人住在劏房，居住环境非常恶劣，就触动了我们思考在住房问题上为社会做点事。”
李圣泼租赁善心业主的空置房屋进行简单装修，建成过渡性社会房屋，供轮候公屋的家庭暂时居住。他曾探访过一位带着两个儿子居住在“乐屋”的单亲妈妈，之前的居住环境曾让她有过轻生的念头，而搬入“乐屋”后环境大为改善，孩子们也变得阳光起来。
如今，九龙乐善堂已提供两三百个单位的“乐屋”，受益家庭在五六百户以上，成为同政府配合、提供过渡性社会房屋的一个中坚力量。“我觉得这个事情做得非常有意义，因为这改变了不少家庭，改变了很多人的命运。”李圣泼说。
曾任全国青联委员的李圣泼，致力促进香港和粤港澳大湾区融合，增强青少年对国家的向心力。在新冠肺炎疫情期间，李圣泼家族企业为帮助在内地读书的香港学生，着手开办深圳香港培侨书院龙华信义学校，学校从签约、建设到开学，仅用了半年多的时间。
“这是一所‘一校两制’的学校，除了有香港课程，还有内地课程，既能收香港学生，也有内地学生。两地学生在一个学校上学，这是最直接的融合。”李圣泼说：“我们还聘请了100多个年轻的优秀港籍老师到内地去教书。”
李圣泼还对刚走出校门的年轻人提出建议，创业虽然值得提倡，但并不容易，就业也可以是个很好的选择，如果把个人未来和国家的总体规划结合起来，就能找到好的发展机会，也能够找到自己的定位。
“从我个人来讲，首先要立足做好本职，在此基础上如果有机会、有条件，就更要去关心社会、关心国家、关心身边的人，履行社会责任。能有机会让你去履行社会责任，这是一种幸运。”李圣泼说。也正因这样一份责任，他不久前决定参选港区全国人大代表，期望能够为香港、为国家多做点事情。(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 凤凰彩票地图 |
