亿丰彩票 - - (中国)互动百科

两岸夫妇的癸卯新春：愿两岸像我们一样相亲相爱******

　　(新春见闻)两岸夫妇的癸卯新春：愿两岸像我们一样相亲相爱

　　中新社北京1月26日电 题：两岸夫妇的癸卯新春：愿两岸像我们一样相亲相爱

　　作者 朱贺

　　“新的一年，希望两岸像我们的感情一样，越来越靠近，越来越亲密。”近日，在北京定居的台湾青年林宇阳和来自西安的太太王曼接受中新社记者采访时说。

　　疫情防控政策调整后，许多两岸夫妇像林宇阳和王曼一样，在这个春节假期返回台湾过年，感受一脉相承的中华传统年俗。他们带着小家庭的爱跨海而去，讲述着两岸融合发展、走亲走近的生动故事。

　　赠年礼：从头到脚的心意

　　春节前夕，林宇阳、王曼踏上了返台旅程。林宇阳在行李箱中装了“比台湾口味更烈”的大陆白酒，王曼则带了柿饼、龙须酥等陕西特产，打算与亲友分享。

　　“回家的机票太火爆，实在是一票难抢。”两岸夫妇王强、丁文蕴一样归乡心切。与家人在大陆团聚后，太太丁文蕴在正月初四带着一双儿女回到台湾。行李箱中，带去了王强为岳父岳母准备的新年礼物——大陆产的新款智能手机。

　　王强回忆，刚结婚时，两人常从台湾带回许多电子产品；最近几年，大陆的电子产品更新迭代迅速，在台湾也拥有较高知名度，特别受欢迎。

　　今年，台青林锦葳带着儿子梦梦回台北过年；为照顾小女儿圆圆，来自山东的太太张舒和爸妈留在北京团圆。回乡的行李箱中，张舒为台北的家人准备了各式礼物，海参等保养品是来自爸妈的心意，送给公婆的运动鞋、新衣服则延续“新年添新衣”的习俗。“是从头到脚的心意。”梦梦补充道。

　　品年味：两岸新春都一样

　　往年新春，为与双方家人团聚，两岸夫妇们常在短暂的假期中跨海奔波。亲友们期盼团圆的心情与热情难却，林宇阳和王曼的行程总是安排得满满当当，两人都觉得“虽然累点，但还是很快乐”。

　　今年除夕，夫妇二人来到台北迪化街采买年货。购物的人群熙熙攘攘，火红的春联、各式各样的花灯装点着大街小巷，让两人感受到和大陆一样的浓浓“年味儿”。

　　回忆从前和来自山东的丈夫王强回乡过年，朋友们结伴去邻居家拜年的场景让丁文蕴记忆犹新，“场面十分热闹，充满新春气氛”。台湾春节的仪式感也令王强印象深刻：一家人定要围在一起吃顿年夜饭，人多到“一张桌子都坐不下”。他感受到，“很多习俗与大陆别无二致，这就是两岸一家亲的生动体现”。

　　2020年回台湾过年，作为医务人员的王强和丁文蕴担忧疫情形势，正月初三便飞回北京待命。最近几年与家人在北京迎新春，则在“云端”同海峡对岸的亲友分享喜悦。“按家庭传统，长辈会在除夕夜发红包，晚辈则要正式地向老人家拜年，”丁文蕴说，这是令小朋友最期待、最兴奋的时刻。

　　新年愿望：常走动，多来往

　　除陪伴家人外，这个假期，林宇阳和王曼还安排了一场在台湾的旅行。七年前二人相识于花莲的旅途中，如今期待旧地重游。

　　过去一年，林宇阳重返校园深造，在中国人民大学攻读博士学位；王曼则坚持健身，重拾健康状态。如今在北京定居，两人的生活比从前更精致，让居住的胡同小屋“更有家的感觉”。

　　回台湾前，林锦葳和张舒的儿子梦梦画了一幅与春节有关的画，“一群兔子坐着鞭炮，告别满是老虎的山，象征着我们挥别旧年，迎来新年”。

　　孩子们成长的速度越来越快，令林锦葳和张舒倍感欣慰。他们把小朋友的生活点滴拍成短视频发在家庭群中，以便台北的家人及时关注。两人期待，随着疫情缓和，两岸亲友间的走动更加方便。

　　常回家看看，这也是王强和丁文蕴夫妇的新年心愿，他们希望未来每年至少回台湾两趟，享受更多面对面的团圆。(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）