（新春见闻）台商返乡过年：讲述打拼故事，期盼春暖花开******

　　中新社北京1月22日电 题：台商返乡过年：讲述打拼故事，期盼春暖花开

　　作者 朱贺

　　随着两岸防疫措施的调整，许多在大陆打拼的台商在今年新春假期返台过年。

　　吃到久违的家乡味，陪长辈采买年货，和老友相约聚餐……多位台商接受中新社记者采访表示，他们在行李箱中装满了为家乡亲友准备的心意，一同带去的还有在大陆的收获，在团圆气氛中，一家人共盼新年春暖花开。

　　李绍嬅：用点心串联两岸之爱

　　大年初一，在北京经营“彩虹天使咖啡屋”的店主李绍嬅一家穿上喜庆的红衣，带上各式礼品从台北回到高雄老家向长辈拜年。与家人围炉谈天、重温台湾年味，李绍嬅讲述了这一年在大陆打拼的故事。

　　2022年，李绍嬅所在的这家由听障烘焙师为主要员工的咖啡屋迎来许多新变化：听障师傅的手艺不断提升，开发了更多点心品类；越来越多爱心人士不仅为咖啡屋提供公益支持，也关注听障师傅的成长。

　　返乡的行李箱中，李绍嬅装满了来自咖啡屋的点心，她认为是“最珍贵、温暖又真实的新年礼物”。

　　走在台北街头，看到许多老牌店铺受疫情影响关门歇业，李绍嬅感觉家乡的模样“有点模糊”；重逢久别的老友，则让她找回了往日的熟悉感。

　　“许多台湾的爱心人士未曾到过大陆，但一直关心着咖啡屋。”李绍嬅说，有八十多岁的老奶奶赶来和她见面，表示愿为咖啡屋尽一份心；也有朋友为了解咖啡屋的故事，专门下载大陆社交软件。

　　李绍嬅期待，接下来继续坚守创立咖啡屋的初心，串联起更多两岸之爱。

　　徐韬：公司已走过艰难时刻

　　“北漂一族”台青徐韬赶在春节前回到台北，“今年一落地就能和家人相聚，感觉团圆氛围格外浓”。

　　除夕吃年夜饭，徐韬与家人收看了大陆春节联欢晚会；正月初二、初三走亲访友，他打算分享从北京带来的特产和创业新收获。

　　2022年，由徐韬和大陆伙伴创办的网约工作平台成功获得融资，并将业务从北京拓展至上海、深圳等地，他表示，“尽管公司曾受疫情波及，但已走过艰难时刻，我对未来充满信心”。

　　这个春节，平台恢复了往日的忙碌。徐韬说，仅2023年元旦三天，平台订单量就已达去年12月的两倍，“在一定程度上反映了线下消费市场的活力，展现大陆经济的韧性”。

　　返乡前一周，徐韬走访了大陆四个省份，为新年在各地成立分公司做准备。他说，能在大陆经济复苏过程中提供灵活就业岗位，感觉自己做了小小贡献，“特别有成就感、参与感”。

　　陈圣儒：见证民众养老观念变迁

　　带着北京冬奥吉祥物“冰墩墩”和兔年特别版“兔墩墩”回到云林老家，台湾青年陈圣儒有些近乡情怯，“既期待又有点害怕”；听见年逾九旬的阿公用闽南话喊出自己的小名，他的心中暖意涌动。

　　从小在长辈身边长大，陈圣儒对年长者有天然的亲近。如今在北京延庆从事养老行业已有五年，他所在的五家养老驿站获得了北京市星级评定。在京郊乡村走访，他教会村中长辈收发快递、打视频电话，“真正有融入当地的感觉”。

　　“从前想着将台湾的养老理念照搬至大陆，后来发现需求因人而异。”陈圣儒表示，大陆经济飞速发展，智能化和网络化加速了民众需求的个性化，大家更注重活得健康、活出质量。

　　回顾此前在大陆过年，陈圣儒除体验吃饺子等北方年俗，也会与海峡对岸的家人视频连线，相约“云”喝酒，分享生活趣事，“尽管见不到面，但心的距离始终没变”。如今面对面团圆，陈圣儒打算暂时放下工作，专心陪伴阿公阿嬷。

　　说起新年愿望，陈圣儒期待有更多人走出家门，“无论年轻人还是长辈，旅游也好，采摘也好，总之要热情拥抱即将到来的春天”。(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