数据治理论坛：促进数据安全有序流动******

　　【分论坛焦点】  

　　光明日报乌镇11月10日电（记者张晓华）“数据安全有序流动的基础是技术创新成果的应用，运用技术手段构建数据跨境流动安全风险的防控体系，真正使数据流动起来，发挥作用、产生价值，为经济发展和社会文明进步赋能。”11月10日，在2022年世界互联网大会乌镇峰会数据治理论坛上，中国网络空间安全协会副理事长黄澄清建议，要从坚守法律底线、加大政策宣传、推动数据安全技术创新、深化国际交流合作等方面促进数据有序高效流动，为数字经济高质量发展提供支撑。

　　“作为数字经济的重要推动者、积极的实践者，中国愿同国际社会一道，共同推进数据治理工作，维护数据安全有序流动的国际环境，为全球的数字经济健康发展贡献力量。”国家互联网信息办公室网络数据管理局副局长方新平指出，随着《数据出境安全评估办法》出台并正式施行，我国数据出境的安全管理制度框架进一步健全完善。

　　全球IPv6论坛主席拉提夫·拉蒂德介绍了澳门科技大学和弗劳恩霍夫协会解决涉及个人信息的科研数据跨界流动难题的有益探索，通过使用IPv6技术确保过程可追溯，使用嵌入IDS连接器满足不同司法管辖区的合规性，为澳门与欧盟之间的科研数据双向传输探索了可行的路径。

　　《光明日报》（ 2022年11月11日 08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