彩虹多多下载app_在线用户注册首页登录平台

以网络文学书写时代的壮丽多姿******

  【新时代新征程新伟业】

　　光明日报记者 刘江伟

　　不久前，由国家新闻出版署组织实施的2021年“优秀现实题材和历史题材网络文学出版工程”入选作品揭晓，阅文平台的《故巷暖阳》《投行之路》等作品榜上有名。

　　“书里的大部分情节就是我的生活。”《投行之路》作者“离月上雪”把亲身经历融汇在真实案例中，在逻辑严密的叙事中，再现了投行新人的晋级之路，呼应着青春、创业、奋斗的时代主题。

  “一位好作家也应该是一位时代的记录者。”“离月上雪”认为，摄影师用相机给眼前的画面拍照，而作家是用文字给我们所处的时代“拍照”。

  网络文学日益受大众青睐。超千万人的创作队伍、超千万部的网络作品，构成了当下文艺百花园的璀璨奇观。党的十八大以来，时代巨变为网络文学创作提供了无比丰富的素材，书写现实、表现生活，成为网文创作的重要主题。

  日前，记者走进阅文集团、晋江文学城等网络文学创作平台，感受网络作家蓬勃的创作热情，体会以网文展现时代变迁的力量脉动。

  今年9月，第六届现实题材网络文学征文大赛在上海闭幕，14部获奖作品以个体的温情和时代的细节，共同汇聚起人民眼中的“非凡变革”。

  “各行各业的工作者，把创作的触角延伸向宽广的生活现场，让网络文学成为人民奋斗和时代创作最即时的记录者。”阅文集团首席执行官程武表示。

  2015年，在上海市新闻出版局的支持下，阅文集团在业内率先举办首届现实题材网络文学征文大赛，掀开了网络文学发展新的一页。大赛至今已举办六届，累计参赛作品近10万部，现实题材在网络文学创作中的影响力持续扩大，关注时代、关注社会、关注民生的创作蔚然成风。

  网络作家李全参与了2022年的征文大赛，现实题材创作给他带来满满的获得感。据他观察，现实题材之所以逐步成为主流，主要在于其取材自真实生活，用代入感取代悬浮感，使得普通读者能够用自己的视角去阅读，仿佛看自己身边的人和事，进而从中看到自己的无限可能。

  党的二十大报告指出，讲好中国故事、传播好中国声音，展现可信、可爱、可敬的中国形象。近年来，网络文学成为中国文化走出去的生力军。2021年，网络文学海外市场规模突破30亿元，中国网络文学共向海外输出网文作品1万余部。

  “未来，我们将持续倡导现实题材网文创作，鼓励各行各业从业者以网络文学为载体，通过现实向、常态化而又带有艺术色彩的设定表现当代生活和社会风貌。同时，持续布局网文出海全产业链发展，让全球读者通过网络文学及其改编作品深入了解中国的人文精神和时代风貌。”程武说。

  打开晋江文学城网站，“奋斗乐章”四个大字赫然在目。为了倡导和鼓励现实题材创作，晋江文学城开展了年度主题征文活动。活动被细化为乡村之章、行业之章等8个方向，让每个作者可以从中寻找到擅长的领域。

  晋江文学城初步统计，征文活动共吸引3000余部作品参赛，网站遴选近百部优秀作品进行推介，在作者群中引发了爱国奋斗主题创作热潮。

　　近年来，为了让现实题材作品抵达更多受众，晋江文学城对优质作品进行重点IP转化推荐。目前平台上作品呈现类型多元化的形态，既有出版、影视等传统改编形式，又有动漫、游戏、有声读物、广播剧等新兴改编形式，还有动态漫画、剧本杀剧本等最新改编类型，涉及版权转化的作品超1万部。

　　晋江文学城副总裁胡慧娟表示，晋江文学城将加强对网络作家专业知识培训与引导，培育求真求实、言之有物的创作品格。同时，对现实题材重点作品进行重点关注，在IP改编上重点推荐，并将成功改编案例进行宣传，发挥其标杆效应和榜样作用。

　　《光明日报》（ 2022年12月30日 04版）

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）