至尊彩票规则|在线用户注册平台 | 官网APP下载

来源：至尊彩票技巧2024-08-22 17:48

至尊彩票规则

香港篆刻家李玉生：冀望新一年“兔”飞猛进******

　　(新春见闻)香港篆刻家李玉生：冀望新一年“兔”飞猛进

　　中新社香港1月11日电题：香港篆刻家李玉生：冀望新一年“兔”飞猛进

　　中新社记者索有为

　　左手握一方印石，右手执一支刻刀，不使用印床来固定印石的香港篆刻家李玉生，娴熟使用冲、旋、转、剔多种刀法，在自己的工作室凝神聚力地创作着，在轻重缓急的节奏中，一只动态十足的小兔子跳跃欲出……

图为正在创作中的李玉生。中新社记者索有为摄

　　癸卯兔年春节来临之际，李玉生接受中新社记者采访时表示，在中国传统文化中，生肖兔代表的是宁静、善良、温和和活泼，尤其是刚刚过去的几年受疫情影响，人们更渴望早日走出疫境、生活祥和美好，他就决定创作一方生肖兔印章，来表达和传递这种愿望。

　　也正因如此，在这只生肖兔的下方，李玉生特意又刻上“兔年大吉”四个篆字，冀望新的一年“兔”飞猛进、万事如意、国泰民安。

图为李玉生治印生肖兔，冀望新的一年“兔”飞猛进、万事如意、国泰民安。中新社记者索有为摄

　　李玉生告诉记者，他钻研篆刻艺术是半路出家。他痴迷收藏近30年，在与陶瓷、玉器、书画等藏品打交道的过程中，走上艺术创作之路。他起初拜师雷少华和林坚璋学习书法，后又师从岭南画派大师赵少昂高足、著名画家卢清远和岭南画派名家伍月柳等人，研习多年后形成了自己格调清新的艺术风格。

　　“书画作品上的印章同样是一门高深的艺术。”李玉生说，美国学者威廉·罗肯特曾称赞中国篆刻艺术是“世界公认的最高艺术”，而篆刻家是“能使石头唱歌的艺术大师”，他潜心观察每一位名家的用印并从中领悟印章和书画作品的融合之美，继而又开始痴迷篆刻，在西泠印社名师邓昌成和西泠学堂林墨子导师的指导下学习篆刻。

　　此前学习书画的沉淀也给他的篆刻带来便利和灵感。“书法有笔法，篆刻有刀法，使刀如使笔。”李玉生说：“其实，在印石的方寸之间表达艺术语言需要严谨的推敲，需要人文的修养，方寸之间有大天地。”

　　在篆刻水平精进之后，他把创作思路转向了天下第一行书《兰亭序》，他要将《兰亭序》全文用印章表现出来。朱文白文灵活协调、边款用字摒弃雷同，李玉生潜心用力数月之久，终于将全文324字的《兰亭序》刻在了64方印章上，在拓印印屏时，李玉生为了作品的丰富性，又特意尝试了篆刻书圣王羲之的人物肖像，作品完成后受到名家的充分肯定。

图为李玉生介绍他创作的《兰亭序》全文印屏。中新社记者索有为摄

　　一发不可收的李玉生，又创作了《陋室铭》《心经》《爱莲说》等全文印屏，从人物肖像篆刻到象形物篆刻乃至鸟虫篆，也成为他在方寸天地间纵横驰骋的畅意表达。

　　在2022年中央援港抗疫期间，李玉生用篆刻来记录中央对香港的关心和内地医护人员逆行而上的付出，身着防护衣怀抱儿童的医护人员、运送抗疫物资的列车、方舱医院、中西医结合治疗等，都在他的刻刀下一一呈现，这幅以几十枚印章组成的《壬寅年香港抗疫印屏》，在香港抗疫美术作品展览中亮相，吸引众多人士观赏赞叹。

　　“香港与内地已经实现了首阶段‘通关’，很多三年没有和内地亲人团聚的香港市民已经北上，兔年里我也要去内地好好走一走，从中获得更多的灵感。”李玉生说，脸上写满期待，“祝愿大家在新一年‘兔’来运转、‘兔’飞猛进”。(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（）