y39彩票充值-ios/安卓/手机版app下载

归来，民谣依旧少年——评散文集《心谣》******

　　作者：范红升（江苏凤凰文艺出版社总编辑）

　　“青山隐隐水迢迢，秋尽江南草未凋。”岁令已进入冬季，但古城阳羡依旧青山逶迤、绿水如带，就如同我眼前戴军的这部散文集《心谣》（江苏凤凰文艺出版社2022年11月出版），里面的文字绿意盎然、清新明快、生机勃发。

　　《心谣》是一部关于宜兴民谣的江南之书，它循着作者搜集、整理民谣的线索，挥洒文化大散文的笔触，探问真实与虚构的边际，以明净之心、审美之眼、温润之言，呈现原乡生活的细腻肌理，观照江南民谣的前世今生，在峰峦重叠的众生百态里，折射江南文化意蕴丰赡的人性温度与历久弥新的人文华彩。

　　读《心谣》，我不禁想起中国最古老的民歌民谣——三千多年前的《诗经》。《诗经》是怎么诞生的呢？根据《汉书》记载：“孟春之月，群居者将散，行人振木铎徇于路以采诗，献之大师，比其音律，以闻于天子”。就是说，每到春天，采诗官就会深入田间地头，摇着木铃铛收集那些能够反映老百姓悲欢疾苦的歌谣，整理之后交给负责音乐的官员谱曲，随后广为传唱。由此可知，早在三千多年前，自中国人心头流淌而出的民谣，便如唐古拉山的万千清泉，涓涓发端，浩浩汤汤，奔流向东，它们穿巴蜀、越云贵、历湖湘、入江南，汇入中华文明的五湖四海、恣肆汪洋。从这个意义上讲，《心谣》也是一部文学和文化的传承之书。作者由采诗故事讲起，溯流而上，娓娓道来，摩挲“民谣”这块文化瑰宝的每一个细节，它们或沉郁，或嘹亮；或乡音醇厚，或牧歌空灵；或为饱经沧桑的渔翁樵子，或作飞扬跳脱的月下少年……无数人情味浓的文化细节与激荡人心的历史瞬间唱和对话，传统的文学题材被打捞、被重估、被赋值为当代经验。记忆与现实，故乡与远方，个体与时代，皆因“有心人”的吟唱被认领、被联结、被融汇。我们欣喜地看到，在无以计数的中国人心间流淌过千年的古老“民谣”因作者之笔，重又鲜亮活泼起来，它不再是文学史卷中的古董、藏品，不再是无处安放的文学零余，而是重返现实主义创作现场的生动元素和有机力量。归来，民谣依旧少年。

　　以心为念，以情歌谣，是为《心谣》。心之谣歌，既是切近的烟火日常，也是悠远的氤氲诗意。《心谣》是中国人的寻根之诗。你若读《心谣》，就不能只读它的故事，你要去听那天地间婉转低回的呼喊和细语，去品那无处落笔的家书和豁然开朗的一醉，去读柳色江南和深秋鸿雁。从这个角度来说，《心谣》还是一部关于中国人心灵世界和生活选择的启示之书。

　　《心谣》是一部江南之书，是一部文化和文明的传承之书，是一部关于中国人心灵世界和生活选择的启示之书，因为这三重重要意义，《心谣》具有不可忽视、更不容错失的出版价值与阅读价值，我们非常感谢作者戴军将她的作品托付给我们江苏凤凰文艺出版社出版。

　　本书是江苏凤凰文艺出版社与作者的首度合作。在稿件策划之初，我们就对这个选题高度重视，编辑多次赴宜兴沟通出版事宜；我们以清新的风格诠释作品，来展现阳羡的江南风韵，力求以生动优美的形态契合雅致的文字，以期吸引更多年轻读者，并通过对图书的宣传和推广，使这本书的文化意义和社会效益得到更大程度的彰显，让更多读者感受到民谣的魅力、文学的魅力、《心谣》的魅力。

　　《光明日报》（ 2023年01月04日 14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

　　（文图：赵筱尘 巫邓炎）