情暖旅途 带福回家——2023年铁路春运首日见闻******
(新春见闻)情暖旅途 带福回家——2023年铁路春运首日见闻
中新网广州1月7日电 题：情暖旅途 带福回家——2023年铁路春运首日见闻
作者 郭军 胡靖 黄春强
“受疫情影响，已经两年没回湖南过年了。今年在云南当兵的儿子要回家探亲，趁此机会，我们一家人说好了今年一起回老家过个团圆年。”在广东打工的郭先生告诉记者。
1月7日，2023年全国铁路春运正式拉开帷幕，铁路部门客流增幅明显。广铁集团当日发送旅客112万人次，与2022年春运首日相比增长9.1%。其中，广东地区各大火车站发送旅客76万人次，与2022年春运首日相比增长15.7%。
今年春运，为了旅客出行的体验更美好、更温馨，粤港澳大湾区各大车站纷纷推出系列暖心措施。
1月7日9时15分，深圳北站阳光洒落，人潮涌动。
“对你说声新年快乐……”深圳北站候车室内，欢快的音乐响起，6名迎春花服务队员，从各自的服务岗位往大厅中央汇集，送上一段欢快的舞蹈快闪，旅客们纷纷驻足观看。
书法家为回家的旅客写春联送祝福 陈俊彦 摄“妈妈，这个兔兔画得好可爱，我也想要。”一个小女孩拉着妈妈的手，盯着一张“福兔”不愿离开。5名来自铁路部门的书法家，正现场书写春联赠送旅客，献上新春祝福。独创的“福兔”惟妙惟肖，成了旅客们的“抢手货”。
一张张“福”字，一副副春联，汇集成爱心的河流。“回家的路上没想到能收到‘福’字，这份祝福太暖心了。”黄女士展示着手里的“福”字，兴奋地自拍起来。
10时10分，广州南站候车室大厅内，一座“流动的博物馆”开馆迎客，不少旅客停下匆忙的脚步，细细品味旅途中的文化大餐。
记者了解到，这是广州铁路博物馆举办的“能流动的博物馆、会说话的老物件”主题展。粤汉铁路的百年股票、新中国成立前的铁路手提信号灯、不同年代的火车票等212件珍贵藏品，首次在高铁站与旅客“零距离”见面。
“这个主题展好有趣，我现在才知道车票的背后，藏着铁路创新发展的变迁史。”听完讲解员的讲解后，旅客鲁先生掏出手机，对着展品拍照留念。
“能流动的博物馆、会说话的老物件”主题展在广州南站展出 王玮 摄与此同时，广州南站携手广州医科大学团委开展“情暖回家路防疫伴你行”公益活动，邀请10名医疗人员坐诊，为有需要的旅客进行免费义诊，并向来往的旅客宣传科普防疫防病知识和健康常识，同时派发铁路职工设计的“防疫四字经”文创书签，让旅客的旅途更安心。
“这服务真贴心，没想到在车站候车还能免费享受义诊。”在东莞某电子厂工作的赵小姐说。
10时40分，广州火车站候车室的“038”服务台前，一场“今年春节，想见你”快闪节目正在上演，为旅客送上一份旅途惊喜。
新春临近，为生活、为梦想在外拼搏奋斗的人们，渐渐踏上返乡的归途。广州火车站组织青年职工，为候车的旅客精心准备了系列节目。活动在朝气蓬勃的舞蹈《一起向未来》中拉开帷幕，职工们吉他弹唱《晴天》《不再犹豫》等歌曲，还为旅客准备了礼仪秀。
活动现场，不少旅客被喜悦的气氛所感染，忍不住跟随音乐一起摇摆、一起高歌，并纷纷掏出手机记录这美好的瞬间。车站的候车室内，铁路职工还为旅客准备了春联、福字等小礼物。
“过年就要一家人团圆在一起，热热闹闹才过瘾，这春联是我今年收到的第一份礼物，太有意义了。”来自湖北襄阳的旅客王先生告诉记者，因为工作原因，他已经两年没回去与家人团聚了，当天他将搭乘广州火车站始发的K643次列车回家。(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 凤凰微彩地图 |
