天下彩票官方|天下彩票代理

年轻人的新年第一游，路过打卡正被沉浸式深度体验取代******

　　“最坏的日子已经过去，最好的时光即将到来。”站在2023年1月1日这个新起点，中国旅游研究院院长戴斌用这句话总结2022，展望充满可能的2023。

　　自2023年1月8日起，对新冠病毒感染由“乙类甲管”调整为“乙类乙管”，民众出游意愿和出游信心加速恢复，国内压抑了3年的旅游需求正加速释放，旅游市场的复苏曙光渐现。

　　近日，各类社交媒体上随处可见大家分享旅行vlog与美食美景照，即使是按捺着躁动之心尚未出游的朋友，也跟着一起看遍了祖国的大好河山。那么，已经热情拥抱国内游大潮的人具体感受如何？听听亲历本场浪潮的“浪花们”怎么说。

　　前往黑龙江省感受冰雪世界的扬扬说，作为一个北方人，本想到温暖的南方城市过过“夏天”，但某一刻突然想看看一望无际的茫茫雪原，便干脆买票北上了。南下到温暖三亚看海的小宇也是一个行动派，和朋友看到许多漂亮的景区图片和旅游攻略介绍，便决定去海南逛逛美丽的三亚湾。小茹和朋友刚结束考研，追剧中被美丽、治愈系的云南大理风光深深吸引，马上买好了3天后出发的车票。

　　近几年，大环境带来了太多的不确定，很多年轻人在不确定中迷茫着，但有时候需要的并不是瞻前顾后与深思熟虑，而是一分冲动与洒脱。同时，虽然目前大环境仍有诸多不确定性，但对于许多人来说，出游需求已然成为那个“确定性”。

　　对于很多年轻人来说，最近的这次出游是3年来最自由、最不受约束的一次，所以几位受访者都表示，优先考虑的是自身的体验与感受，性价比可以暂时往后排，颇有些“报复性”旅游消费的意味。与此同时，旅游地住宿、出行、游玩项目等方面的价格也有较为明显的上涨，被大家戏称为“报复性涨价”。

　　受访者扬扬提到，他们体验的雪地摩托、雪地蹦蹦、雪圈漂移等景点游玩项目，多是“50元5分钟”“80元7分钟”的价格，要是平时，看到这样的价格自己大概会转身就走，但这一趟旅游他们暂时选择了将体验与快乐放在第一位。

　　小宇也提到尽管出行住宿费相较于过去上涨了不少，但他们还是选择了节约路程时间、有更多更好的游玩体验。

　　处在疫情管控放松后的首个旅游出行大浪潮这一较为特殊的时间点上，不少游客似乎都降低了对价格的敏感度，但“潮水”终将退去，无论是游客的报复性出游消费，还是被戏称的商家“报复性涨价”，都是暂时的“狂欢”，旅游业终将回归理性，重视提升服务与消费场景才是旅游目的地发展的长久之道。

　　扬扬表示，哈尔滨的许多俄式风情建筑让她眼前一亮，中央大街、冰雪大世界等景点也有较好的观感，但不足的是，城市建筑均比较老旧，导致整体观感有些扣分，且地铁线路覆盖不足的问题，也给这次旅游带来一点遗憾。

　　小宇则提到三亚一些景区存在拉客现象，在沙滩、游艇上总能遇到有人拉客推销，导致后面几天他们看到陌生人靠近就想走开，严重影响了游玩体验。同时，他也表示，夜市大多是外地小吃，没有吃到海南本地的特色美味，很是遗憾。

　　说到近期旅游的难忘回忆，几位受访者都表示，从过去的路过式体验游逐渐倾向于沉浸式深度游。小宇感觉自己好像融入了三亚，景点毋庸置疑是美丽且热闹的，但他也很享受每天清晨或傍晚走在沙滩上感受着海水拍打双脚，坐在沙滩上放空自己，或是在小岛上慢悠悠地骑着电动车吹着海风，感受本地居民的日常生活。

　　小茹提到，以前出游往往像是完成任务打卡一般，每天走走看看这个或那个景点，吃几顿特色菜，最后买几份特产。尽管这次她也去了苍山洱海等著名景点，但在回忆时，脑海中最先浮现的是沙溪古镇的一家薄荷咖啡馆，坐在可以晒太阳的院子中，喝着茶，看着书，一上午就慢慢过去了。

　　这3年，人们有太多紧张、焦虑、迷茫等负面情绪，不妨换个环境“生活”几天。

　　2023，去被美好的旅行治愈，再出发。

　　实习生 王慧 中青报·中青网记者 齐征 来源：中国青年报

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

　　（文图：赵筱尘 巫邓炎）