天天中彩票app下载-天天中彩票网投

立春：春意生发冰雪中******

　　立春：

　　春意生发冰雪中(解码二十四节气)

　　“二十四节气”是中国人通过观察太阳周年运动，认知一年中时令、气候、物候等方面变化规律所形成的知识体系和社会实践，2016年被列入联合国教科文组织人类非物质文化遗产代表作名录。为了让海内外读者更好地了解二十四节气，本报即日起推出“解码二十四节气”栏目，介绍节气相关知识及历史文化内涵，阐释其中蕴含的中国智慧。

　　——编者

　　2月4日，北京冬奥会开幕，恰逢立春节气。开幕式上，二十四节气倒计时惊艳了世人，尽显中华文化的瑰丽与浪漫。在这场冰雪盛会中，昂扬奋进的奥运精神与温厚悠远的中国气韵交融互映，让人们感受到春意盎然、生机勃发。

　　中国古人顺天应时，依据天象、气候、物候的变化，将一年农耕的日子“网格化”，网格里的二十四节气，凝聚着中华民族经天纬地的伟大智慧。

　　立春为二十四节气之首，宣告着一年春耕夏耘、秋收冬藏的开始。在农耕时代，立春是庄重的节日，国家要举办祈求农事顺利的仪典。《礼记·月令》记载，立春之日，天子亲率三公九卿诸侯大夫，到东郊祭祀春神。回朝后，赏赐群臣，布德令以施惠兆民。打春牛，是与农耕相关的重要节俗。各地守土官率僚属，盛陈卤簿仪仗，抬芒神(春神句芒)、春牛(土制的牛)，杂以秧歌、龙灯、高跷、旱船等，迎春于东郊高地。带队长者鞭打春牛，春官诵曰：“一打风调雨顺，二打土肥地喧；三打三阳开泰，四打四季平安；五打五谷丰登，六打六合同春；七打七星高照，八打八节康宁；九打九九归一，十打天下太平。”鞭毕，抬春牛沿地垄缓缓前移，行120步(象征一年十二月)，将春牛放置垄顶，守土官执镐向正南“农祥星”方向奋臂刨土，以示农事开始。春牛打碎之后，人们争抢牛头，谓之抢春；又抢春牛腹中糖果，以为一岁的甜蜜。将春牛之土洒于牛圈内，以期牛畜繁衍兴旺。

　　“东风吹散梅梢雪，一夜挽回天下春。”立春之际，人们开展多姿多彩的迎春活动，如送春帖、贴春条、戴彩胜等。文人书写文字工丽的春帖子，相互赠送。北宋欧阳修写有春帖子词二十首，其一曰：“气候三阳始，勾萌万物新。雷声初发号，天下已知春。”民间则在炕头贴春条：“春天春日春水流，春草地上放春牛，春花开在春园内，春鸟喜落春树头。”女子用彩色绢或纸剪成小幡、燕、蝶、花朵等形状，戴于头上，以示迎春，统称“彩胜”。

　　咬春亦是历史悠久的民间习俗，在立春这天咬食春盘、春饼、萝卜等，有养生之效。宋《岁时广记》引唐《四时宝镜》云：“立春日食萝菔、春饼、生菜，号春盘。”据传，春盘源自汉魏的“五辛盘”，即在盘中盛上五种带有辛辣味的蔬菜，作为凉菜食用。李时珍《本草纲目》解释说：“五辛菜，乃元日、立春以葱、蒜、韭、蓼蒿、芥，辛嫩之菜杂和食之，取迎新之意。”食之有调节气血、发散邪气的作用。春饼是用面粉烙制的薄饼，常裹卷萝卜细丝和其他辛味蔬菜共食。清代《燕京岁时记》云：“是日，富家多食春饼，妇女等多买萝卜而食之，曰‘咬春’。谓可以却春困也。”

　　“春，蠢也，动而生也。”立春之后，虽然天地间寒意未消，但在冰雪之下，蛰虫逐渐苏醒，鱼儿浮上水面，生机悄然萌发。

　　一年之计在于春。春回大地时，开启新一年的奋斗，种下新一年的希望，将追梦的足迹，印满欣欣向荣的中国。

　　(施立学为吉林省民俗学会理事长，宋佳佳为吉林艺术学院硕士研究生)

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）