天天彩票攻略|天天彩票官网平台

“全国最美志愿者”韦腾境：让爱在志愿服务路上延续******

　　这些天，贵州省独山县益加社会工作服务中心理事长韦腾境正在筹备一场义诊活动。策划、筹备、执行公益活动是韦腾境再熟悉不过的工作日常。今年是35岁的他从事公益服务的第10个年头。“做公益最大的收获，是给受助人带去温暖和希望的同时，自己也获得了很多的感动与启示。”韦腾境说。

　　2012年的一次意外，让韦腾境永远失去了自己年仅2岁的儿子。为了缓解心中巨大的伤痛，他开始把目光投向公益活动。“想把对孩子的爱以这样的方式延续下去，去帮助更多需要帮助的人。”2013年，他正式加入江苏常州一家爱心公益服务中心，成为一名志愿者。除了工作外，他把所有空闲时间都放到了公益活动中。

　　“前面几年，一直在长期照顾两位残疾人大哥，只要他们有事，就过去帮忙。到了周末，会带他们到附近去转转。”3年的时间，韦腾境和两位受助人成了无话不谈的朋友，“在帮助他们的过程中，自己也获得了很多心灵的慰藉。”

　　2015年，韦腾境的第2个孩子出生了，为了照顾孩子及远在家乡的父母，他回到独山县，继续奔走在公益路上。这时，一个想法在他心底萌生：成立一支属于自己的公益队伍。

　　说做就做，办公室在家乡很快设立了起来。“开始就我们夫妻两个人，办公室里只有两套旧桌椅。”韦腾境说，尽管如此，他依然对未来充满希望。此后，他开始骑着摩托车走村串户，了解当地困境儿童情况，同时招募志愿者，号召更多爱心人士一起关爱困境儿童的成长。

　　通过2年多的努力，韦腾境动员爱心人士持续参与资助了30余名困境家庭的中小学生，为他们筹集学习用品等，让这些孩子们能够安心学习，在社会关爱中健康成长。

　　随后，韦腾境又把目光投向了留守儿童。“孩子们长期不在父母身边，太需要倾诉和关爱了。”2018年，韦腾境了解到深圳壹基金公益基金会正在建设“壹乐园”儿童服务站项目，主要开展乡村留守儿童的持续关怀及陪伴。韦腾境立即与基金会联系对接，递交材料等待审核的日子对他而言格外漫长。不久后，好消息传来，他为黔南州平塘县大塘镇云上社区的儿童争取到了第一个儿童服务站。

　　初建站时，由于站点地处偏远山区，一时招募不到合适的志愿者，韦腾境就动员妻子、女儿一起住进了服务站。从此，他们成了30多个留守儿童的“父母”，辅导孩子们做作业、一起做游戏、一起做饭……夫妻俩像陪伴自己女儿一样陪伴和关心着这些孩子，“甚至比陪我们女儿的时间更长。孩子们都很乖，和他们在一起很快乐。”韦腾境说。

　　夫妻俩的尽心尽力，孩子们看在眼里，对他们也愈发依赖。有时，孩子不经意间叫错的一句“爸爸妈妈”，总是让夫妻俩热泪盈眶，“这是孩子对我们的肯定。”

　　这些年，韦腾境先后荣获“全国最美志愿者”“中国好人”等荣誉称号，“很感恩这些肯定，让我更坚定了前行的路。”他说，10年公益路最大的收获不止于此，而是越来越多身边人更加理解和支持自己做公益，同时收获了越来越多同行的志愿者伙伴。

　　2019年，韦腾境又在独山县周边的易地扶贫搬迁安置点争取建设了两个“益童乐园”儿童服务站，从此，夫妻俩多了更多的孩子，他们也更加忙碌起来。

　　对于家人，韦腾境的内心一直充满愧疚，“同学们早就买了房和车，自己还带着家里人租房住，陪伴他们的时间也很少，挺亏欠他们的。”但妻子和女儿却一直用自己的行动默默支持着韦腾境，只要有时间，她们总会陪伴韦腾境一起从事志愿服务活动。

　　谈及未来，韦腾境坚定地说：“志愿服务是我一辈子要做的事，还有很多想做的事，以后要一件件实现。未来希望有更多的人能加入我们，让爱在志愿服务路上延续下去。”郭帅

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）