天下彩票计划 - ISO/安卓/推荐(2023已更新)

赴一场工美与非遗的盛宴******

　　展品《大吉图》（皮影）

　　薛宏权

　　中国工艺美术馆、中国非物质文化遗产馆供图

　　明亮宽敞的中国工艺美术馆、中国非物质文化遗产馆大厅中，一棵高大的不锈钢“树”引得不少观众驻足观看。艺术家刘恒甫的雕塑《中华福树》线条流畅简约，将中国传统绘画中树的造型立体化、当代化。这棵枝干互联、硕果累累的中华福树，展现着顶天立地、生生不息的精神，寓意向心向上、繁荣昌盛，是“人类命运共同体”的美好诠释。

　　1月1日起，中国工艺美术馆、中国非物质文化遗产馆恢复开放。同时，四场新展览“祭如在——中国艺术研究院藏明清祖容像展”、“松纳柴器——景德镇陶瓷柴窑烧造技艺展”、“影戏人间：陕西非遗皮影展”、“天地人文——刘恒甫公共艺术展”也同步与观众见面。

　　祭祖是中华民族源远流长、丰富深厚的传统，孝老爱亲、慎终追远、敬宗睦族更是自古传承的家族美德。祖容像作为祭祖文化的象征物，是维系家族情感的物质载体，承载着丰富的历史与人文内涵；同时，因在绘制时注重如实反映祖先样貌及所穿服饰，祖容像也是中国人物绘画的集大成者。

　　本次“祭如在——中国艺术研究院藏明清祖容像展”中展出的中国艺术研究院明清祖容像藏品，数量可观、质量上乘，绝大多数藏品为首次展示。其中最引人注目的是一套较为完整的“多罗顺承郡王家族祖容像”，自第七世多罗顺承忠郡王诺罗布至十二世多罗顺承简郡王伦柱共六代郡王、五代王妃，共计11幅作品。不仅可以帮助我们了解清代王府祭祖规制，也可通过作品的不同绘制风格了解清代北方祖容像绘制技法和样式的演变。

　　景德镇的千年窑火，烧出了中国陶瓷的灿烂、照亮了世界陶瓷大道。千百年来，窑炉营造和烧造技艺赓续精华、创新不辍。在当代，景德镇的陶瓷工匠通过对窑炉不断研究、探索、改进、试烧，形成了名为“松纳柴器”的艺术柴窑。这种窑炉既能复烧各历史时期的景德镇陶瓷作品，也能充分满足当代各种陶瓷艺术的烧制条件，可以生动展现“入窑一色出窑万彩”的神奇魅力。

　　“松纳柴器——景德镇陶瓷柴窑烧造技艺展”中呈现的百余件作品，由几十位中国工艺美术大师、国家级非遗传承人、中国陶瓷艺术大师、教授、省级工艺美术大师等创作，使用“松纳柴器”窑炉烧制而成，展示了当代艺术陶瓷和柴窑的历史内涵和时代价值。

　　2011年11月27日，联合国教科文组织宣布，中国皮影戏列入《人类非物质文化遗产代表作名录》。有着“一口叙说千古事，双手对舞百万兵”美誉的皮影戏历经千年承传流变，是中华优秀传统文化的重要组成部分。中国皮影戏集美术造型、文学剧本、音乐唱腔、表演技艺于一体，有着较为完整的艺术体系、鲜明的民族特色和高度的美学成就，反映着中国人特有的审美观念、思想情感和精神追求。

　　陕西是中国皮影戏的发祥地之一。陕西皮影戏影响几乎遍及陕北、陕南及关中各地，深受当地民众喜爱，是近代陕西多种地方戏曲的前身。皮影雕工至臻精美，镂空与留实巧妙搭配，造型优美生动、有韵有势、繁简得宜、虚实相生，极富特色；唱腔类型多样，碗碗腔细腻婉转、阿宫腔清悠秀婉、弦板腔明快清脆、老腔刚直高亢，影响广泛深远。本次“影戏人间：陕西非遗皮影展”是“中华瑰宝”系列展览的又一次全新呈现，共展出陕西非遗皮影相关展品约200件。（黄敬惟）

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）