网投彩票_网投彩票

长城“最隐秘的暗门”现身******

　　本报记者 韩梅

　　近日，天津大学建筑学院教授张玉坤团队宣布，河北省秦皇岛市明长城段发现一处突门实物遗存。作为长城暗门家族中最隐秘的一员，突门生动地传承着中国古代长城建筑、军事以及文化智慧。

　　首次构建暗门“家族图谱”

　　“近几年，我们在明长城全线调研中首次构建了暗门的‘家族图谱’，并发现了其中最隐秘的类型——突门。”团队成员、天津大学建筑学院特聘研究员、博士生导师李哲介绍，发现突门的长城段位于秦皇岛附近，是2000多年前史书有关突门记载的首次实物发现。

　　突门作为一种古代防御设施，早在2000多年前的春秋战国时期就有类似设施的记载，《墨子·备突》篇中对突门做了专门的著述，暗门(突门)“藏于九地之下为暗，动于九天之上为突”。此后，唐、宋、明，甚至清代学者都有记述，但现代相关研究论文却寥寥无几，一直没有发现对应的实物。突门是所有暗门中最为秘密的出口，外面用一层砖砌上，从外面看和城墙一样，让敌人无法分辨。突门没有被击破的时候，完全是隐蔽状态，打仗时一旦需要出兵制敌，里面的士兵可以迅速击碎表层墙，就跟鸡蛋破壳一样，士兵破墙而出，侧面夹击敌人，甚至可以把火炮从突门推出来击退敌人。

　　已确认明长城有220处暗门遗存

　　长城的门洞就其规模而言，可以分为三类，其中较大型的是“关”，属于古代连通塞外与内地的重要地理门户，一般设有重兵屯集防守，如居庸关、黄崖关等；中等是“口”(边口)，如慕田峪口、张家口等；最小的即为“暗门”。所谓“暗门”，顾名思义，就是伪装隐藏起来、不公开的门。其所以设置乃是攻防需要。“由于历史的原因，长城上的暗门遗存较少，且散落暗处，不为人知，甚至被忽视和误解。”李哲说。

　　团队2003年启动对长城的研究，2004年起开始将无人机低空信息采集技术应用其中。2018年年底启动长城全线实景三维图像采集工程。4年多来，跨越10省区对明长城全线进行无盲区数字化测绘，用无人机拍摄的200余万张照片，制作完成平均厘米级精准的三维数据库，终于将明长城内外构造清晰明了地呈现在世人眼前。

　　暗门洞口一般宽0.6至1.6米，高1.5至2.5米，其中最窄的仅容单人、最宽的可通马匹对行；从结构上，暗门可分为石或木质过梁式和砖或石质拱券式。

　　时至今日，暗门实物遗存已甄别130余处，其中绝大多数为砖石遗址，集中分布于京津冀晋的蓟镇、真保镇、宣府镇、大同镇等区段。陕甘宁青明长城因夯土结构不易保存，目前仅发现2处暗门；此外依靠古代舆图整理出西部段41处暗门。许多暗门没有专属名称及门匾装饰，在已确认的220处暗门遗存中约一半属于此类。

　　封锁下的隐秘通道

　　“长城暗门(突门)的发现和挖掘，说明长城除了作为防御入侵的‘边墙’，还有另外一个身份——封锁下的隐秘通道，体现了中国古代朴素辩证的思维方式和深厚博大的规划思想，突门的发现和挖掘使得墨子时代的军事智慧有了实物传承。”张玉坤接受记者采访时说。

　　“暗门为人们开启了积极防御的新认知，打破了以往视长城为保守、封闭性象征的认识局限。”张玉坤说，沿着长城广泛分布、功能丰富、式样完备的暗门家族及其背后的巧思设计表明，即使是在宏大繁巨的军事工程体系建设中，古代中国人仍然执着于对政治局势、战争规律、防卫环境的细致把握，并将其贯彻于精密的工程设计之中，展现出惊人的统筹能力和严谨的实干精神。

　　长城国家文化公园建设对长城文化景观资源的挖掘与阐释、利用的深度与广度提出了更高的要求。团队对暗门功能、类型、分布的深入分析有助于原真性解读长城各类设施及整个防御体系的建设意图和运作机制，从整体视角撬动一系列新的遗址价值认知，引领长城文化景观资源的深度挖掘。

　　暗门看似细枝末节，但却能够牵引出多层次的长城历史认知。这说明无论是长城文保管理还是文化园建设，应保持对遗址细节的敬畏，立足于对长城遗存进行全面系统观察研究。

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）