库木孜琴声唱响新时代新疆故事******
【新时代新征程新伟业】
光明日报记者 姚亚奇 李 慧
“库木孜琴声很悠扬,二十大精神来歌唱。认真学习贯彻好,踔厉奋发很自豪。两个确立要领悟,四个意识要增强……”
连日来,克州歌舞团的文艺作品《库木孜弹唱·礼赞二十大》,在新疆克孜勒苏柯尔克孜自治州唱响。
“地虽偏,心相连,心向党。”新疆克州歌舞团党支部书记杨花明说,当下,党的二十大精神学习宣传在克州如火如荼地开展,各族党员群众欢欣鼓舞,反复研读、学思悟践。克州歌舞团深入学习宣传贯彻党的二十大精神,用好红色资源,编创了一系列舞台艺术精品。
“从城市、乡村到牧区,从学前小朋友到耄耋牧民,全州人民把党的二十大精神口耳相传。作为文化宣传的‘玛纳斯奇’,我们要用接地气、有朝气、振人心的方式,通过悠扬的库木孜琴弹奏传唱党的二十大精神。”克州歌舞团的乐队演奏员买买提吐尔孙·马曼说。
买买提吐尔孙·马曼用心用情创作的《库木孜弹唱·礼赞二十大》和《我是党员我知道》,以各族人民群众喜闻乐见的方式,增加了大家对党的二十大精神的深入了解。演唱作品发布后,已有超50万人次“点赞”。
“我们今天的好日子,幸福甜蜜美滋滋,你要问我咋来滴,喝水不忘挖井人,幸福不忘带头人,党是咱的领路人,二十大报告暖人心……”玛纳斯奇艾山吐尔·库尔班那里创编了宣传党的二十大精神的歌曲《帕米尔欢庆二十大》和《党是咱们的领路人》。赴农牧区现场表演时,这两首充满柯尔克孜风情的歌曲,获得了阵阵掌声,掀起克州人民学习宣传贯彻党的二十大精神的高潮。
克孜勒苏柯尔克孜自治州,位于新疆西南部。这里是中国西极,是一个边境之州。在克州,16万多人口的柯尔克孜族,能歌善舞,热爱祖国、忠诚于党、坚守边境线。他们也是英雄玛纳斯的后裔。
“说起英雄史诗《玛纳斯》,我不由地想起今年习近平总书记考察新疆时,来到新疆维吾尔自治区博物馆,观看世界级非物质文化遗产柯尔克孜族英雄史诗《玛纳斯》说唱展示,并同非遗传承人及克州歌舞团演员亲切交谈。”杨花明说,“我们谨记总书记的谆谆教诲,立志要把世界级非物质文化遗产《玛纳斯》保护好、传承好、发扬好。”
不久前,歌舞剧《玛纳斯》在克州文化中心进行了带妆彩排,伴随着铿锵的鼓点、美妙的库木孜乐曲,演员们用灵动的肢体语言演绎了传唱千年的英雄史诗。
歌舞剧是对英雄史诗《玛纳斯》的艺术化创作,又以党的二十大精神为引领,发扬中华优秀传统文化,丰富了人民群众的精神世界。
克州歌舞团不仅精心排练了一台精彩绝伦的大型歌舞剧《玛纳斯》,还制定了一系列发展《玛纳斯》的文化工程——重点打造27个(含国家级、自治区级、自治州级)的非遗项目,培育50名玛纳斯奇传承人,打造玛纳斯歌剧院,启动成立克州玛纳斯协会……
杨花明说:“歌舞剧《玛纳斯》将到全疆14个地州会演,再去全国各地巡演,进而走出国门、走向国际,把我们优秀的非物质文化遗产传播到全世界。”
在克州,各族人民守边护边、建设家园,作出了积极贡献,涌现出许多典型人物和故事,这些也成为克州歌舞团创作的素材。
目前,克州歌舞团正在创作《撸起袖子加油干》《边境线上的爱》《党徽大叔》《糖包子的故事》等舞台作品,讲述各族人民与援疆干部一起共同奋斗的感人故事;《红船精神》《星星之火》《追寻》《血,总是热的》等作品,则以筑牢中华民族共同体为主线,大力弘扬中华传统文化和革命故事。
“作为文艺工作者,我们感受到一种沉甸甸的历史使命感,一种舍我其谁的社会责任感。”杨花明表示,“今后,我们要创作出更多弘扬劳动精神、奋斗精神、奉献精神、创造精神、勤俭节约精神的高质量舞台艺术精品。”
《光明日报》
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