快三平台_快三平台

电影市场迎来强劲复苏******

　　记者 袁云儿

　　《阿凡达：水之道》凭借突出的视效走出逆转曲线，《想见你》依靠热门IP带来情怀和浪漫，《绝望主夫》负责营造新年伊始的喜庆氛围感……2023年元旦档（12月31日-1月2日）电影市场迎来关键性的强劲复苏。据灯塔专业版数据，截至1月2日19时，2023年元旦档电影总票房达5.38亿元。

　　元旦期间，许多观众前往影院观影。影院正在逐步恢复至疫情前状态。

　　元旦假期三天，全国影院恢复运营水平达到新高，为市场复苏提供了基础。根据灯塔专业版数据，元旦假期三天全国影业影院营业总数都达到10600家以上，且每天的数量都在增多。其中昨天全国营业影院总数为10657家，是去年2月27日以来近10个月的新高，营业率高达85%。随着疫情逐渐平稳，北京、西安、天津、郑州、沈阳、大连等城市《阿凡达：水之道》的元旦档票房反超了影片首周票房。由于影片已经上映一段时间，出现这种逆转，一定程度上说明北方、中部、西部等地区恢复速度较快，观众在逐步回归影院。

　　元旦档上映的影片中，《阿凡达：水之道》《想见你》《绝望主夫》分列单片票房前三位，这三部影片合计贡献了近95%的元旦档票房，头部效应非常明显。

　　已经上映超过半月的《阿凡达：水之道》在这个假期实现票房逆转，收获2.73亿元票房，勇夺档期票房冠军。尤其值得一提的是，该片IMAX和CINITY等特效厅票房占到了20%以上。另外，该片的平均票价也从上映首日12月16日的56元下降到50元以下。对于影片市场表现的“回春”，影评人阿甘觉得当在情理之中，因为导演詹姆斯·卡梅隆的作品向来走长线放映，后劲非常足。尽管该片在剧情上遭到太过俗套简单的批评，但在他看来，该片依然是这几年最值得看的电影之一。目前猫眼专业版对该片在内地的总票房预测已从此前的10亿元回升至14.87亿元。

　　如果说《阿凡达：水之道》是元旦档的大餐，那么爱情片《想见你》和喜剧片《绝望主夫》就是开胃小菜了。前者作为2019年现象级同名剧集的衍生电影，用小清新的风格叠加时空穿越元素，讲述了一个双向奔赴的感人爱情故事；后者则借助喜剧和幻想营造出一个“女尊男卑”的虚拟世界，对大男子主义进行了辛辣的批判与讽刺，呼吁男女平等、女性独立自强。灯塔专业版数据分析师陈晋透露，《想见你》的主要受众为年轻女性，占比接近七成，与《阿凡达：水之道》有明显的差异性。“值得一提的是，影片在跨年场的票房超过1500万元，排名第一，很多年轻观众选择在影院观看这部爱情片，携手跨年迈入2023。”这说明，七夕、元旦等有特殊纪念意义的档期，主打浪漫温馨的爱情片依旧是市场“刚需”。而《绝望主夫》作为元旦档唯一的喜剧片，档期票房也顺利破亿元。

　　元旦档市场表现可喜，让业内对还有不到三周就将到来的春节档充满期待。截至目前，2023年春节档已有《流浪地球2》《无名》《满江红》《熊出没·伴我“熊芯”》等四部新片待映，其中《流浪地球2》是国产科幻大片的续作，又有吴京、刘德华两位超级明星保驾护航；《满江红》作为张艺谋新作，演员星光同样夺目；程耳执导的谍战片《无名》由梁朝伟、王一博主演，这样的搭配令人耳目一新；而已经多年在春节档“闷声大发财”的“熊出没”系列IP今年又没缺席，且也是档期“硬通货”。未来可能还会有其他影片宣布进军春节档。

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）