点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
原创说唱歌曲《坐着高铁去看海》上线 唱响中国对外开放新篇章******
中新网昆明1月19日电 (记者 缪超)“朝辞春城彩云间，坐着高铁去看海，满目青山看不够，转眼海风扑面来……”1月19日，由中国新闻网和中国新闻社云南分社联合出品的原创说唱歌曲《坐着高铁去看海》正式上线，老中青三代音乐人共同谱写中国对外开放的崭新篇章。
原创说唱歌曲《坐着高铁去看海》由云南著名词作家蒋明初、青年作曲家岳少鹏创作，云南流行音乐制作人郭烜宇编曲，国家一级作曲家万里作为音乐指导。云南著名女歌手邓国清、潘薇羽、说唱歌手明新杰联袂演唱，在中老铁路动车中实景拍摄MV。歌曲通过中国风演唱混搭说唱形式，让人耳目一新。
该歌曲在中国新闻网首发后，将在中国、老挝、缅甸、柬埔寨、孟加拉国、吉尔吉斯斯坦、哈萨克斯坦等国家的新闻媒体和社交平台相继推出。
图为《坐着高铁去看海》MV剧照 主办方供图位于中国西南的云南省，是中国连接亚欧大陆腹地与中南半岛、印度洋的枢纽。千百年来，蜀身毒道、南方丝绸之路、滇越铁路，到如今的“八出省五出境”铁路网，让边疆云南与外界的人员流通、经贸往来、文化交流绵延赓续。
云南，优势在区位，出路在开放。《坐着高铁去看海》词作者蒋明初表示，这首歌从茶马古道唱到滇越铁路，再唱到中老铁路，唱出了云南、也是中国千百年来对外交往交流的历史，也唱出近年来云南积极参与“一带一路”建设，补齐交通基础设施短板，加速对外连通的努力和意愿。
图为《坐着高铁去看海》MV剧照 主办方供图2023年是“一带一路”倡议提出十周年。作为“一带一路”标志性工程，中老铁路开通一年多来，促进了中老两国经济社会发展，见证了中老友谊历久弥坚，不仅成为两国互联互通的桥梁，也成为了民心相通的纽带。在今年的云南省两会上，云南省省长王予波作政府工作报告时表示，云南将持续扩大中老铁路黄金效应，并适时开行跨境旅客列车。
古稀之年的蒋明初告诉记者，他为这首歌作词时，恰逢中老铁路开通运营一周年，于是他在歌词中写下“中老铁路通江达海东西南北大融合”，期待中老铁路能够不断向前延伸，并发挥示范带动效应，加快中老泰铁路和中越、中缅国际铁路大通道建设的推进，帮助云南实现通江达海的开放愿景。
“说唱并不是西方独有的音乐形式，比如苏州评弹、京韵大鼓，这些都是中国自己的说唱音乐。云南民族众多，语言丰富，很多地方是‘说比唱好听’，像红河的建水说唱，昭通唱书等都是云南民族民间音乐里的说唱形式。”《坐着高铁去看海》的作曲者是49岁的云南流行音乐学会常务理事岳少鹏。他表示，这首歌之所以选择有些云南味道的中国风音乐混搭说唱的形式，是想表达云南人对外文化交流的愿望，也希望世界各地的人们能够来到云南，了解这里丰富多彩的民族风情、民族音乐和民族民间说唱。
这首歌的说唱部分，由1999年出生于云南保山的说唱歌手明新杰演绎。他之前曾尝试用保山方言表演说唱，受到当地年轻人的追捧。“说唱强调个性，云南年轻一代说唱歌手应充分挖掘本土民族民间说唱元素，再将之与世界各地不同音乐元素融合，相信一定能呈现出不一样的精彩。”
据了解，《坐着高铁去看海》将作为2023年“春暖花开”中印柬蒙四国迎春文艺晚会重磅曲目于20日晚上演，为海内外中华儿女和世界各国友人送去新春祝福。
中老铁路只是起点，不是终点，钢铁巨龙将承载着友谊、和谐、梦想和希望，跨越万里山海，驶向更美好的明天。(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） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩神app地图 |
)