乐发lv论坛-乐发lv返点

台湾音乐人黄庆元：在乡愁中寻“根”******

　　中新社北京1月29日电 题：台湾音乐人黄庆元：在乡愁中寻“根”

　　中新社记者 李雪峰

　　“人离开家就像树叶离开‘根’，回家过年是中国人的传统，也是中国人对‘根’的眷恋。”癸卯新春，台湾音乐人黄庆元在北京接受中新社记者采访如是说。

　　祖籍福建、生于台南眷村，黄庆元从小听黑胶唱片长大，求学时期开始组乐团唱摇滚，并尝试写歌。20世纪80年代，黄庆元进入唱片公司工作，成为台湾流行音乐鼎盛时期的见证者与参与者。歌手刘德华的《今天》、王杰的《爱得太多》等都是他的作品。张学友的《吻别》《祝福》，草蜢乐队的《宝贝对不起》等风靡一时的热门专辑也都出自他手。

　　在乡愁中寻“根”

　　从台南到高雄、台北，再从香港到上海、北京，回忆人生履历，黄庆元调侃自己一直在“漂泊”，几十年来与家人聚少离多。他说，也因此，乡愁成为自己音乐创作中一个重要的情感来源。

　　众多作品中，表达海峡两岸血脉相连的歌曲《把根留住》让黄庆元印象深刻。他在歌词中写道：“为了生活，人们四处奔波，却在命运中交错。多少岁月，凝聚成这一刻，期待着旧梦重圆……”他说，歌词创作灵感正是来源于春运。

　　黄庆元回忆，20世纪90年代初，出于工作需要，他经常往返于海峡两岸及香港。每逢年关，看到各地火车站人满为患。在没有高铁、不能网络购票的年代，人们肩扛大袋手提小包，彻夜排队只为买到一张回家的车票。

　　“那些场景让我非常动容，这种亲情很难用语言描述清楚。”黄庆元说，台湾的春运同样繁忙，虽然南北不过数百公里，但春节期间依然会出现大堵车。而当时自己无论多忙，也要在除夕之夜赶回家与父母团聚。

　　如今，虽然人们的出行方式更加多元，携带的行李也更为轻便，但对故乡的情感丝毫没有改变。“回家，是所有中国人对‘根’的眷恋，这个‘根’，便是血脉。”黄庆元说，正是出于这种感受，自己在一夜之间就完成了这首曲目的歌词创作。

　　意外“北上”扎根

　　谈及到北京发展的经历，黄庆元笑称“是个意外”：最初只是来帮朋友写歌，本想待很短一段时间，不料却接到了很多合作，不仅有单曲，还有影视剧主题曲、片尾曲、配乐等，时间逐渐被占满，于是留了下来，而这一待就是近20年。

　　创作之余，黄庆元在不少音乐类选秀节目中担任评委，还参与了不少两岸之间的音乐交流活动。在他看来，创作需要灵感，音乐需要碰撞，跨民族、跨地域、跨背景的交流有助于音乐发展。“年轻人勇敢迈出一步，站上更大舞台是好事。中华文化是一条大河，各条支流活络起来才能流得更远，否则很容易干涸。”他说。

　　父母离世之后，黄庆元与妻子更多选择留在大陆过春节。“亲人在哪里，哪里就是家。”他说，这些年结识的不少来自五湖四海的朋友，都曾向他们发出邀请。这对台湾夫妇也因此有机会在大陆各地过不一样的春节。

　　“除夕之夜，和志同道合的朋友们聚在一起聊音乐谈创作，吃美食看春晚，拉家长里短，也别有一番趣味。”黄庆元笑道，去年收到了成都朋友的邀请，今年除夕则不同以往，他和妻子从客人变成主人，六七位朋友在自己家中共聚。

　　年近七旬，黄庆元没有退休打算。他透露，春节过后不久，就将到祖籍地福建参加一场两岸交流活动，助推音乐事业发展。

　　继续搞创作、帮助年轻人、推动音乐发展等，黄庆元称自己还有很多东西可做。“人生还要更加努力地去交代，到哪一天没体力了，没法录音了，才会考虑停下来。”他说。(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

　　（文图：赵筱尘 巫邓炎）