盈彩网app网投 - 盈彩网app娱乐

越南琴匠“知音故里”遇知音******

　　中新社武汉2月1日电 题：越南琴匠“知音故里”遇知音

　　作者 武一力

　　踏入武汉东湖大李村，丝丝缕缕琴声不绝于耳，时而清脆，时而雄浑。在一座名为“南天坊”的古朴院落内，主人阮延俊抚琴而歌，三五宾客围炉而坐，听琴品茗。

　　“古琴，是我在武汉遇到的‘知音’。”阮延俊近日接受中新社记者采访时说。

　　阮延俊来自越南广治省，是一名古琴演奏家、斫琴师。18年前，热爱中国文化的他来到华中师范大学研习中国古代文学，成为文学博士。毕业后，阮延俊留在武汉，传授古琴演奏和斫琴技艺。

　　中国传统乐器古琴，至今已有3000多年历史。而武汉是“知音故里”，伯牙抚琴遇知音子期的故事就发生在这里。

　　学好中国乐器绝非易事。起初，阮延俊一有空就泡在图书馆查阅古琴文献，从北宋《碧落子斫琴法》，到中国现存最早的琴曲专集《神奇秘谱》，一本本“啃”，一曲曲练。“许多古籍都是竖排繁体，晦涩难懂，我要花大功夫查资料、请教师长，以便了解其中的历史文化。”阮延俊说。

　　比读古籍更难的，是认琴谱。阮延俊家中有一面刻满字的墙，看似汉字，却非汉字。他介绍，这是古琴减字谱，用汉字中某一字或偏旁减笔来表示弹奏的弦数、徽位、左右手指法，如勾、挑、抹等，是五线谱无法取代的。作为演奏者，必须将减字谱熟记于心。

　　“善琴者善斫。”斫琴，即制琴，学会了演奏，阮延俊开始自学斫琴。古琴制作皆沿古法，要经过涂生漆、刮灰胎、上弦调音等百余道工序，制作一床琴平均耗时三年。

　　“槽腹是斫琴关键的一步，决定古琴的音质。”阮延俊一手按着古琴面板，一手拿着铲刀，顺着木纹反复将槽腹打磨至适宜的厚度。他时不时用食指叩击面板，侧耳倾听低音是否纯粹浑厚，高音是否清亮通透。

　　以琴为伴，亦以琴会友。阮延俊还记得多年前亲手制作的第一床古琴，那时还在上学的他囊中羞涩，只能在网上买便宜的材料制琴。当老板得知这位外国小伙痴迷中国乐器，豪爽地将材料免费寄给他。如今，两人已成了无话不谈的“琴友”。

　　扎根中国18年，阮延俊踏遍中国名山大川，朋友遍及南北各地。他和自己的博士生导师戴建业不仅成了知音，更是情同父子，每天打电话分享生活见闻、交流学习心得。今年春节，阮延俊照例邀请师长、好友来家里小聚，弹弹琴、聊聊天。

　　阮延俊还收养了小狗“巍巍”和流浪猫“洋洋”，分别取自俞伯牙钟子期“高山流水”故事中的“巍巍乎若泰山”和“洋洋乎若江河”。“从某种意义上说，它们也是我的知音。”他笑道。

　　阮延俊心中一直有个愿望：将古琴带回家乡。“音乐无国界，我计划在家乡建设一个以古琴为主的中国传统文化传播基地。”(完)

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）