荆州博物馆的楚国漆器(作者摄)
楚国的漆器多以黑、红两种颜色为主,它们的质地有的以黑为主,用红描纹;有的则以红为主,以黑描纹。同时还会不时地用黄、金、银、蓝等颜色作为衬托。这些漆器很巧妙地将黑色所具有的特点,与众多的色彩调和在一起,虽然色彩的差别很大,但你绝不对感到浮夸与突兀。
三、漆器在楚国人的生活中占有怎样的地位
从今天出土的楚国漆器中发现,无论从日常的装饰打扮,还是一日三餐,楚国人都离不开漆器。装食物的豆与鼎是漆器,吃饭用的勺子、铲子也是漆器,喝水时他们也会用漆器,就连平时梳头用的梳子也是漆器。
可以说,漆器已经渗透到了楚国人生活的方方面面。楚国人为什么对漆器情有独钟呢?一是因为漆器在日常生活中非常的实用,而且漆器比较轻巧,还能防水防虫,容易清洁。另外一个方面,漆器虽然贵重,但原料的制作并不像青铜器那么复杂,能供普通人使用。
楚国人生活中的漆器(作者摄)
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)