乐发lll|(中国)维基百科

专家探讨全球化视角下的商务区绿色发展模式******

　　中新网12月27日电 题：专家探讨全球化视角下的商务区绿色发展模式

　　中新财经记者 庞无忌

　　2022北京CBD国际商务季“聚焦绿色建筑，打造绿色低碳商务区”线上分论坛日前成功举办。此次论坛由北京CBD管委会主办，奥雅纳承办，聚焦全球化背景下的商务区绿色发展模式。

　　中国建筑节能协会副会长李德英、北京CBD管委会常务副主任牛海龙和奥雅纳东亚区主席郭家耀分别致开场词。

　　论坛邀请中国建筑科学研究院、清华大学、北京市城市规划设计研究院、安永会计师事务所、戴德梁行等国内外机构专家、学者与企业代表，分享绿建低碳实践经验。

　　论坛上，北京CBD管委会发起《绿色低碳行动倡议》，倡导全体楼宇、招商机构、企事业单位，积极参与绿色低碳建筑创建行动，主动开展绿色电力交易和碳交易，发展和完善绿色低碳企业配套服务，支持和配合节能降碳交流平台搭建，培养引进绿色低碳人才，以全新发展理念引领城市可持续发展。

　　针对北京CBD绿色建设与发展，北京市城市规划设计研究院城市更新规划所所长王崇烈提出CBD六大发展策略：优化用地功能混合布局，构建全时空的中央的活力区；依托轨道站点聚集资源，引导城市高密度高效率发展；完善道路微循环促慢行，绿色出行引导生产生活；多样公共空间激发活力，多维绿色空间提升碳汇；更新利用活化既有建筑，高效运营城市存量空间；推广绿色建筑有效节能，全生命周期低碳运营与维护。

　　清华大学节建筑节能研究中心副教授魏庆芃表示，CBD需要通过价值管理重塑商业新常态，将可持续发展标准纳入社区园区和基础设施投资和发展策略，让基础设施和设备设施的运行更加低碳、绿色、健康和宜居。

　　北京达实德润副总经理朱文敏建议，北京CBD在现有良好的基础上，需推动零碳建筑示范项目的发展和突破，加强零碳技术的应用和推广，将绿色低碳实践推广到区域内更多业态中。

　　谈及绿色金融对我国实现碳中和的助力作用，中国国际经济咨询有限公司发展战略研究院副院长祖大军表示，强有力的绿色金融对策可助力我国尽早实现双碳任务。目前我国绿色债券用于绿色建筑领域尚不足。随着国家对地产建筑领域的政策支持，绿色债券值得大家关注。

　　奥雅纳院士、地产科技园区及社会基础设施业务全球负责人Paul Sloman，城市土地学会华盛顿特区可持续性发展和经济绩效中心执行董事Billy Grayson就全球CBD实现净零碳排放发展策略分享时表示，城市CBD脱碳需要城市管理者、公共和企业机构的共同努力，持续提高能源效率，投资可再生能源，不断创新和优化减碳措施。

　　金丝雀码头集团分享了他们如何与上下游供应链、承包商及合作伙伴联动，探索出一系列的减碳方案。

　　圆桌对话环节中，来自戴德梁行、中国建筑科学研究院、奥雅纳、安永、北京五一视界及北京建机天润资产管理有限公司的嘉宾们主要就建筑规范的绿色可持续发展方向、城市低碳规划与管理、数字科技碳中和、绿色地产开发、楼宇绿色认证及更新改造等话题展开了探讨。

　　据了解，目前，北京CBD区域现有楼宇均按绿色建筑评价或LEED认证的高标准进行建设或运营，CBD中心区及金盏国际合作服务区LEED金级及以上绿色建筑认证累计32个项目超过458万平米，CBD中心区绿建认证楼宇总体量占全市近四分之一。伴随绿色低碳全球化发展，北京CBD将着力推动CBD建筑领域绿色低碳转型，为北京实现碳达峰贡献力量。(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

　　（文图：赵筱尘 巫邓炎）