至尊彩票官网网址_至尊彩票计划

传统文化需要符合时代潮流的创新表达******

　　“天妤”，一个沉睡千年的飞天少女，被神秘空间元境唤醒后，回想起千年前之事。当年，洞窟受损，壁画脱落。如今，苏醒过来的她，决定来到人间收集碎片，复原壁画，重佑人间……“天妤”不是玄幻小说中的人物，而是一个虚拟数字人。过去一年，“天妤”以收集壁画碎片为线索，将中国传统文化元素进行数字化演绎，持续向世界讲述中国传统文化的故事，在海内外收获了大量拥趸。(见1月4日《光明日报》)

　　所谓数字人，是指通过计算机图形渲染、动作捕捉、深度学习、语音合成等技术打造的虚拟或仿真人物。从初代平面二次元形象，到以虚拟主播为代表的数字人2.0时代，数字人不断更新迭代。2022年，数字人大量涌现，除了“天妤”，还有中国文物交流中心的“文夭夭”、新华网的“筱竹”、浙江卫视的“谷小雨”、敦煌研究院的“伽瑶”、国家博物馆的“艾雯雯”、中华书局的“苏东坡数字人”等，他们或化身为文博场所的导游，或成为文化短剧的主角，或担任对外传播的文化大使，以又潮又酷的方式讲述着中国传统文化。

　　文化是一个民族最深沉的血脉基因和历史智慧。传承弘扬传统文化，是提高国家文化软实力、塑造民众文化自信的重要环节。在迅猛发展的数字化时代，传承弘扬传统文化要尽力避免陷入“注意力危机”，要打好“注意力争夺战”，把传统文化中的精髓提炼出来，再以受众喜闻乐见的方式把它推广出去、传承下去。

　　如今，科技赋能于人们工作、学习、生活等方方面面，与现代社会深度融合，它也完全可以成为推动传统文化传承与创新的一种力量，使传统文化“活”过来、“动”起来，走进越来越多人的烟火生活。

　　用数字人传播传统文化，更贴近年轻人的诉求与审美。年轻人是国家未来的接班人和建设者，也应该成为传统文化的学习者、践行者、传承者，年轻人与传统文化可以也应该“破圈”相拥。数字人既有好看的“皮囊”，又有丰满的“灵魂”，对年轻人的吸引力和影响力不可小觑。据报道，受“天妤”影响，很多青少年给自己化起了“国风妆”，甚至引发海外美妆达人竞相模仿。

　　2021年10月，由北京理工大学等科研院所共同发起的“虚拟数字人”项目——“数字梅兰芳”亮相，其通过高逼真度实时数字人技术，复原了京剧大师梅兰芳先生的形态、声音及面部表情，以另一种形式传承京剧文化。彼时，“梅兰芳孪生数字人”现身梅兰芳大剧院，与台下观众互动：“距离我上一次登台已经过去了60多年，没想到我们又重逢了，要感谢科技的进步，期待我们今后的见面会有更多的形式。”“数字梅兰芳”吸引年轻人与京剧国粹亲密接触，让人们看到了传统戏曲振兴的更多希望。

　　近年来，随着文化自信理念深入人心，“国潮”“国风”正在变成年轻人的时尚和情怀。在这个大背景下，传统文化故事符合现代审美的新讲法、年轻化讲法应该更多。传统文化多一些生动鲜活，传承和表达多一些创造性，我们的传统文化自然会星河长明，璀璨夺目。

　　何勇海

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）