快三平台计划|平台推荐官方版v2.9.1(2023已更新)

天津煎饼馃子：豆粉“画”饼落蛋香******

　　中新社天津1月3日电 题：天津煎饼馃子：豆粉“画”饼落蛋香

　　作者 王君妍 王在御

　　凛冬的天津晨光熹微，一个简单的招牌“九河张记”挂在街边老房子青砖墙上，阵阵香味随着热气从老房中飘来。

　　早上来一套煎饼馃子，和附近的街坊邻居聊聊天，已成“卫嘴子”丁大爷几十年的习惯。“您要想吃最正宗的天津小吃，那还得是煎饼馃子，尤其是街边旮旯的老店铺，几十年了还是这个老味儿。”

　　九河下梢天津卫，因河而兴，自明代1404年正式筑城至今已有618年的历史。锅巴菜、卷圈、炸糕……被网友称为“碳水天堂”的天津，“早点”异常丰富，其中最具代表性的还得是“煎饼馃子”。

　　据天津民俗专家、专栏作家由国庆介绍，煎饼馃子的由来与天津古老的码头文化密切相关。“老天津卫是河海商埠大码头，搬运工、买卖人较多，一手卷个吃食，一边忙活也不耽误，煎饼馃子也就成了因需而来的快餐。”

　　“正不正宗，得食客说了算。”话音未落，“九河张记”的张建明师傅便舀一勺绿豆面到铁板，手腕轻轻一转，几秒钟便摊好一张煎饼。磕一个鸡蛋摊匀，辅以面酱、豆腐乳、葱花等，铺上馃子或馃箅(bì)儿(薄脆)，用铲子轻巧折叠，一套煎饼馃子几分钟内便新鲜出炉，热气腾腾的焦香味驱散了空气中的寒意。

　　摊煎饼看似简单，其中讲究却不少。“就得用纯绿豆面，绿豆还得是现磨的，铁板的温度必须达到210℃左右，手速也要快，摊出来的煎饼才能又香又脆，还糊不了。”张师傅天津话说得“溜”，手上的活儿更“溜”，不一会又摊好了一套。

　　随后，张师傅从灶台下拿出了一个小瓶，展示他的“独家秘方”——自制调味料。“每家煎饼馃子味道都不太一样，秘密都在小瓶儿里。谈不上啥秘方，但每家都有点儿差别。”张师傅称，各家煎饼馃子味道都有所不同，食客吃惯了一个口味之后，就会觉得别人家做的“不正宗”，但其实这种对细微差别的喜厌，正是大家童年时留下的味觉回忆，久而久之便成为家门口的煎饼馃子“最正宗”。

　　天津姑娘张榕已在加拿大留学六年。她回国的第一件事，就是吃一套煎饼馃子，以解乡愁。不仅如此，在每次出国之前，张榕也会在家门口买一套煎饼馃子带着在赶飞机的路上吃，她说，只有家门口的煎饼馃子，才是属于童年的回忆。

　　“现在我们生产的‘家庭版DIY煎饼馃子’今年已经出口到澳大利亚，让身处异国他乡的食客足不出户便可亲手制作家乡的美食。”天津煎饼馃子协会会长宋冠鸣拿起一盒家庭版煎饼馃子说道，“别看这个小盒子不大，绿豆面、馃箅碎及甜面酱等调料应有尽有，就连摊煎饼专用的竹制煎饼刮子也预备上了，可谓‘麻雀虽小，五脏俱全’”。

　　很多远离家乡的天津人，走在外地的街头巷尾，看到店铺菜单上种类繁多的“煎饼套餐”，不由得会认为那是“异端”美食。唯有回到家门口，一大早买上一套刚出炉的煎饼馃子，边吃边走在熟悉的市井街道上，看行人漫步，听车水马龙，得空儿与街坊聊几句，末了再来口热豆浆，以这样的方式打开一天的生活，可能才算得上是正宗天津卫。

　　也许味觉就是乡愁，无论海外游子还是离乡旅人，即便口音变了，但对故乡煎饼馃子的回忆，依然烙在心中。这种遍布街头巷尾的民间小吃承载的尽是家乡的情结，好似一片光落在浮世一隅，让烟火气照亮了游子归途路。(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）