“交房即交证”应成为商品房交易标准模式******

　　“交房即交证”是民生实事也是民心所望。相关部门有必要在总结地方经验的基础上，针对“交房即交证”找准政策和法律依据，拿出国家层面的制度设计，作出统一的部署和要求，明确相关的职责分工、流程和保障性措施，让“交房即交证”成为不动产登记“规定动作”，成为商品房交易标准模式。

　　-李英锋

　　从1月1日起，河南省所有城镇规划范围内新取得国有建设用地使用权的预售商品房项目全面实施“交房即交证”，以切实解决群众关切的不动产权证“办证难”问题，优化营商环境，提升群众的获得感和满意度。(据1月1日《河南日报》)

　　一张不动产登记证，关联着千家万户的切身利益，关联着房地产企业的服务质量，关联着多个政府部门的协同监管效能。河南省针对全省城镇规划范围内新取得国有建设用地使用权的预售商品房项目全面实施“交房即交证”，是对“放管服”改革的深入落实和优化政务服务环境的生动实践，既给大众带来了看得见摸得着的便利和实惠，也能促进房地产市场的规范健康发展。

　　普通商品交易通常奉行“一手交钱，一手交货”的原则，买受人支付了约定价款，出卖人把交易标的物转移给买受人，买受人即拥有了交易标的物的所有权。而房地产、车辆等特殊商品须执行登记转移的法定规则，买受人取得相关部门的产权登记证后才能获得特殊商品的所有权，如果买受人未取得产权登记证，哪怕是已经支付了足额价款并占有了特殊商品，也依然没有获得特殊商品的所有权。买受人在这样的状态下可以占有、使用特殊商品，甚至可以获得一些收益(比如出租房屋等)，但买受人或其利益关联人在落户、子女上学、二次交易、贷款抵押、继承等环节也可能受到诸多困扰，遭遇种种障碍。

　　揆诸现实，交房交证不同步的现象在不少地方存在，不少购房者面临着或曾遭遇过“办证慢，办证难”的困境，短则两三年、长则十余年的办证时间消磨掉了购房者的耐心，也让购房者的权益打了折扣。

　　显然，交房交证不同步已成为购房的堵点、痛点，也成了规范优化新建商品房交易模式和不动产登记改革的关键点。河南省在试点工作的基础上，由多部门出台“交房即交证”实施意见，提出了“商品房购房合同中增加相关条款约束”的工作措施，对房地产开发企业进行约束，为“交房即交证”提供了依据，并明确了各阶段、各相关部门的工作职责，畅通了信息共享渠道，对不动产登记的系统、流程进行了再造，对不动产登记服务进行了优化，为“交房即交证”的全面落地捋顺了关系、创造了条件、提供了机制保障。

　　“交房即交证”模式本质上是以大众需求为导向，对不动产登记责任的再梳理、再认领、再定位、再强化。规划、住建等部门搭建起一个分工明确、协同发力的登记服务机制，在机制内部，让信息多跑路、让责任多跑路，机制提升了效率、压缩了时限、承担了更大的压力、付出了更多努力，消化了更多问题，大众办证自然就更快、更容易，也就自然少跑路、少等待。

　　“交房即交证”模式能够实现监管前移，倒逼房地产企业依法开发、诚信经营，也给购房者吃下了定心丸，有助于提升购房者的信心。在当前“保交楼”的大背景下，“交房即交证”模式对房地产市场的平稳健康发展乃至回暖具有促进意义。

　　利民之事，丝发必兴；厉民之事，毫末必去。“交房即交证”是民生实事也是民心所望。近年来，已有多地陆续推行“交房即交证”模式，取得了非常好的效果，积累了不少有益经验，赢得了社会的广泛好评。在全国范围内普遍铺开“交房即交证”模式的时机已经成熟，相关部门有必要在总结地方经验的基础上，针对“交房即交证”找准政策和法律依据，拿出国家层面的制度设计，作出统一的部署和要求，明确相关的职责分工、流程和保障性措施，让“交房即交证”成为不动产登记“规定动作”，成为新建商品房交易标准模式。

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