随后,赵先生就剪纸文化为同学们进行细致的讲解。首先是剪纸的历史和意义“自古中国便有剪纸的习俗,剪纸能直接反映劳动人民对美好生活的向往,它不仅是审美上的满足,更是精神上的寄托”。接着,实践队员了解到现代剪纸有别于传统剪纸,南派多用阳刻的手法,细腻玲珑,而北派则多用阴刻的手法,厚重粗犷。现代剪纸大多将两种手法结合使用,这需要传承人扎实的基本功和敢于创新的勇气。好的一幅剪纸作品需要讲究五门功课“圆尖方缺线”。力求圆要饱满,尖要挺拔,方要整齐,缺要有序,线要流畅,每一项都要求匠人有极强的耐心和细心。并且一幅小小的剪纸,却要经历折纸、画图、剪镂、贴裱四个复杂充满学问的流程。比如纸的选择上,需用宣纸染的红、黑、紫、深蓝等色纸或地方生产的毛边纸染的大红、大绿土产纸,这些纸薄而松,质地结实,而非大家想象普通的白纸便能胜任。
接着,实践队对传承人进行了采访,并提出了自己对剪纸文化的疑惑与不解。“好的剪纸设计需要与沟通和思考,需要从量变到质变,需要扎扎实实的基本功”一幅优秀的剪纸作品往往需要花费匠人大量的精力和时间来完成,而随着传统习俗的改变和社会现代的变革,如今愿意传承剪纸这项非遗文化的年轻人越来越少。赵先生说,这更需要他们传承人积极挖掘和思考时代特色,在保留文化底色的情况下,与主流相结合,做一个有时代温度的传承者。他相信源于民间的剪纸文化能再次适应时代,作为各家各户的符号来呈现出新时代的新活力。
秉持传统,融入时代
在被问及如何更好传承剪纸文化,赵先生说:“我认为传承的关键在于如何融入新时代,用新时代的叙述方式去讲好非遗故事。若是剪纸要单纯依靠一家小店以售卖或者体验的形式去宣扬剪纸文化,那么力度肯定是不够的。怎么利用好新时代?我认为一个是通过和大企业合作,把剪纸元素融入进他们的产品中,让大家有更多接触到剪纸的机会。第二个是运用像抖音,B站这样的新媒体平台,比如像李子柒,用新媒体让全世界认识到了中国田园诗般的美,剪纸也是一样,能把艺术用喜闻乐见的方式传达给大众很重要,第三个是融入其他艺术,比如把剪纸元素融入到舞蹈、戏剧、建筑这样的艺术中,“众人拾柴火焰高”嘛,不同艺术的抱团也对弘扬也非常有益“。
“薪火相继承千年底蕴”,实践队员对此感触颇深,一代又一代的文化工匠,秉承先祖遗训技艺,将这美好精妙传承。而他们传承的不仅是一门门精美绝伦艺术,更是一种种中国人的情绪的表达,一缕缕中华民族文化自信的魂和神。
纸上得来终觉浅,绝知此事要躬行
通过传承人的讲解与指导,实践队员决定尝试自己剪出一幅的剪纸,切身感受剪纸过程中的酸甜苦辣。
在艰辛的实践下,队员们剪出了精美喜庆的剪纸
通过一天的实践,实践队员对剪纸文化的美有了更为深刻全面的认知,并亲身体会到了剪纸制作的艰辛不易,收获了展出成品时的自豪喜悦,同时了解到同剪纸一样的非遗文化在传承和弘扬上面临的困境和挑战。在更直观地体悟到保护非遗文化的重要与困难后,实践队与传承人展开了讨论,得出了更好保护非遗文化的方法:大众层面,我们应自觉地学习了解非遗文化,并落实在行动中,切身体会非遗文化的美,匠人方面,要耐得住寂寞,坐得住板凳,以虔诚沉稳的心对待非遗艺术,并且不能一昧固守传统,而要让非遗艺术融入新时代并随时代发展,展现出新的活力,政府部门方面,既要加大对非遗文化的投资,不让传承匠人因经济等原因而放弃,还要多加建设非遗文化的展现平台,让非遗文化更多地走进寻常百姓的生活。通过这样三管齐下,实践队相信非物质文化遗产一定得到根本性的保护、传承与发展,中国非物质文化遗产也一定能走向大众,走向世界,走向未来。(孙泽昕)
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)