点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
古往今来，为何“大家都爱汾酒”？******
从古至今，酒都是中国人节礼之时不可或缺的重要一份子。无酒不成席、无酒不成礼，酒几乎见证了中国人一生中所有重要时刻。作为“中国酒魂”，汾酒始终是中国酒文化的见证者，一脉清香承载了历久弥香的时代记忆和历史记忆。在春节即将到来之际，汾酒发起了一场“大家都爱汾酒”的互动传播活动，开启了消费者与汾酒的双向奔赴。
在2022年的最后一天，汾酒联合网易哒哒共同推出《新年狂想计划·你是什么热爱型人格》H5，与数万网友开启美好心愿，共迎2023。而在春节来临之际，汾酒也将联合抖音平台进一步开展“大家都爱汾酒”抖音挑战赛活动，力邀消费者分享自己与汾酒的岁月往事。据悉，该活动将从1月25日持续至2月6日，参与方式：1月25日到2月6日期间抖音用户搜索#大家都爱汾酒话题，可通过手指比心手势触发“新年萌兔”贴纸，随机抽取“漂亮兔”“发财兔”“幸运兔”“快乐兔”，拍摄成短视频并发布即有机会赢取奖励。希望在春节元宵双节期间，重温汾酒与消费者的甜蜜回忆。
千百年前，汾酒是备受君王宠爱的宫廷御酒
作为中华五千年文明进程的同行者、见证者、记录者，汾酒的酿造史延绵千年而未断，从中国最早酿酒器具——小口尖底瓮，到首批国家非物质文化遗产——杏花村汾酒酿制技艺，汾酒一路见证了中国白酒的起源与发展。
产于山西省汾阳市杏花村的汾酒，早在1500年前就已经是宫廷御酒。只不过当时的它，还被称为“汾清”，在《二十四史》中，武成帝高湛劝饮汾清的故事被认为是汾酒1500年名酒史的最佳例证。而这也不仅是汾酒迄今为止最早、最明确的文字记载，也是中国白酒在史书上的最早记载。
从武成帝高湛缘起，汾酒开启了称雄酒坛千百年的辉煌历史。在唐代，汾酒更是迎来了自己的高光时刻，唐太宗李世民不仅在起义前选择用陈年汾酒祭祀天地，激励出征勇士，还在重返龙城后再次用汾酒大宴群臣；一代女皇武则天在饮过竹叶青美酒后，即兴作诗“酒中浮竹叶，杯上写芙蓉”；晚唐诗人杜牧挥笔写下的“借问酒家何处有？牧童遥指杏花村”为汾酒创造了绵延千年而不绝的美誉……
可以说，皇宫贵族、名人雅士们的追捧，构筑了汾酒长达1500年的名酒史，也成为“大家都爱汾酒”的最早起源。
百余年前，汾酒是畅销中外的中国名酒
汾酒从“旧时王谢”飞入“寻常百姓家”，可能要再往后细数百年。历经宋、元、明、清几代传承与发展，汾酒确立了“清蒸二次清”，“固态地缸分离发酵”的酿造工艺，也就是入选“首批国家非物质文化遗产”的杏花村汾酒酿制技艺。
依靠这一技术，汾酒人酿造出了在1915年一举夺得“巴拿马太平洋万国博览会”国际甲等大奖章的山西汾酒。由此，汾酒声名从中国传至海外，再次开启了属于自己的名酒时代。
在1952年的第一届全国评酒会上，经过上层人物钟爱、解放前全国市场及百姓口碑、风格纯正和品质稳定性及悠久传奇的历史文化等“四大影响力”考核，汾酒成功被评为四大名酒之一。而后，在历届中国名酒评比中，汾酒均蝉联该称号，成为名副其实的“国酒之源、清香之祖、文化之根”。
从1952年至今，逐步累积的市场口碑、经久不变的酿造工艺、愈加深厚的历史底蕴，不断为汾酒的发展筑起了牢固的护城河，让汾酒成为一代又一代消费者心中无可替代的存在。
这个春节，汾酒希望借助一场“大家都爱汾酒”的互动活动，号召消费者勇敢示爱，积极讲述属于自己与汾酒的故事、热爱汾酒的理由，希望以此拉近与消费者之间的距离，共同创造出属于彼此的新春回忆。
关于汾酒，你又有着怎样的记忆呢？(来源：中国新闻社微信公众号)
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） [责编：天天中] 阅读剩余全文（）  视觉焦点
乐发彩票地图 |
)