辞旧迎新,寅往卯来,苗魁宁希望以“兔”为题创作作品,表达对新年的祈愿。 潞城区融媒体中心供图
49岁的苗魁宁已有30年的根雕制作经验,穿着脏兮兮的工作服、戴着专业的防尘口罩赶制作品是他的工作常态。在他的工作室里,大到放东西的架子、小到工作用的凳子,都是其亲手打磨,多年来,他所雕刻的作品数量近千件。
见到苗魁宁时,他正在挑选树根,常人眼中不起眼的树根,在他看来却都是“宝贝”。“我以前是木工,1994年,第一次接触到根雕。”苗魁宁说,一次偶然的机会,他发现了一个树根,形状像一条龙,回家后反复琢磨,对根雕产生浓厚的兴趣,从那时起便上山采挖树根开始做根雕。
选材、构思、雕刻、打磨、上漆,根雕的过程纷繁复杂。 潞城区融媒体中心供图为了寻找好的根材,他的足迹遍布家乡的大小山头。苗魁宁介绍,根雕是一门减法,必须要进行慎重的思考,才能对根体进行取舍,做出满意的作品。“以前家人、周围人对我从事根雕不太理解,《龙凤呈祥》是我的第一个作品,它让我慢慢得到了大家的认可,也让我对根雕更有信心。”
春节前,苗魁宁带着他的新作品参加了潞城区特色农产品展销会,吸引不少市民驻足观看。“参加展销会,就是想把根雕文化推广出去。”苗魁宁说,希望更多的年轻人参与进来,关注根雕,让根雕更好地传承下去。(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) [责编:天天中] 阅读剩余全文() |