多元素融合,风格多样 古装探案剧以小而美取胜******

　　近日，井柏然、宋威龙主演的古装探案剧《君子盟》播出，故事大迷案串联小迷案，悬念跌宕起伏，剧情节奏紧凑，整体观感比较新鲜。这两年，融合悬疑、烧脑、神秘元素以及女性成长、少年叙事等内容的古装探案剧，在创作上主打年轻化、小而美的风格特色，满足观众不一样的观剧需求。

　　古风探案

　　古韵味强

　　网剧《君子盟》一开局，井柏然饰演的雍朝礼部侍郎兰珏布下周密的计划，要找回写给南栋国的书信，以防信件被朝堂政敌买走，自己被安上通敌叛国的死罪。在秘密行动中，兰珏利用了在酒楼门口卖面条的张屏制造混乱场面，想趁机夺回装书信的珠子。凑巧的是，宋威龙饰演的进京赶考的张屏是个案痴少年，但有着天才般的推理能力，在混乱的场面中，张屏通过案发现场的人员站位、遗留痕迹、气味等，推理出布局偷东西的人就是楼上的兰珏，破坏了兰珏的行动计划。执着于推理案件的张屏多次找到兰珏试图证明自己推理的正确性，也卷入了兰珏的朝堂纷争和人生秘密中。从此，两个身份悬殊、性格迥异的人亦师亦友，默契配合，携手断案。

　　从悬疑推理剧情来看，《君子盟》由一个大迷案串着多个小迷案，大迷案是兰珏父亲当年被判通敌叛国的真相，一个个小迷案是兰珏秘密寻找真相过程中不断出现的阻碍。小迷案的推理破题都比较精彩。比如，第一次抢书信行动失败后，兰珏布局的第二次偷书信行动就看点十足、迷雾重重，可谓多次反转，一气呵成。这次行动现场突发杀人放火事件，珠子也再次失踪，兰珏通敌叛国的罪行即将在皇太后面前揭晓，紧急关头兰珏再次利用了耿直、认真的张屏高智商破局，他布下计中计，既陷害了自己的死敌，又彻底为自己洗脱了叛国嫌疑。这个过程中，兰珏和张屏双线并立破案，破案过程细腻，反转精彩，兰珏聪明地利用了在场的人，先是让自己陷入被动，然后彻底反击，赢得很漂亮。该剧悬疑推理剧情写得不错，但剪辑和氛围营造直白简单，悬疑质感不足。

　　作为古风探案剧，《君子盟》的破案场景、服化道等还算有特色，视觉效果不俗，剧中红色元素的古典舞风，与破案相结合的古风建筑，神秘幻术镜花水月等，呈现了东方古风悬疑的诡谲和华丽。

　　但这部剧播出十多集，未能大爆，除了与该剧悬疑氛围感的营造不足有关，还与一些不合理的推理细节让人出戏有关，比如所谓的神秘幻术镜花水月其实是催眠术，张屏在关键时刻催眠案件现场的人员，让对方说出凶手是谁，这种写法太偷懒，削弱了观众看剧的快感。大的迷案布局不错，有些细节性的破案过程比较简单。此外，该剧张屏的人设也很容易让观众提不起兴趣，张屏执着、认真，但透着一股愣头青的劲儿，为了破案横冲直撞，这种超脱故事时代背景、超脱规范之外的人物设定，很容易让观众出戏。

　　小众探案剧

　　口碑不俗

　　古装探案剧是国产剧的传统类型，《少年包青天》《神探狄仁杰》《大宋提刑官》等剧是古装探案剧的经典之作。这两年古装探案剧的创作趋势是年轻化、小而美，出现了一批口碑不俗的作品。

　　此前播出的古装探案剧《嫣语赋》《锦衣之下》《大宋少年志》《御赐小仵作》等，都引发过观剧小热潮。《嫣语赋》讲述大小姐秋嫣与冷面腹黑王爷在一桩桩迷案中抽丝剥茧、斗智斗勇，乃至相伴相知的故事。《大宋少年志》口碑很高，古装“谍战”“阴谋”构建重重悬疑，又交织着家国情怀、少年英雄梦，故事很吸睛。小成本古装探案剧《御赐小仵作》是黑马作品，口碑热度双丰收。《御赐小仵作》是甜爽探案剧，一个个的案件揭开谜底，最终破解了一场延续18年的惊天大案，剧情严谨考究，尊重史实的台词、道具也被观众称赞。

　　古装探案剧如果只是探案，可能不会引发多大关注，好的作品会根据观众的需求，加入具有时代特征的主题表达。比如《大宋少年志》《御赐小仵作》的“少年英雄梦”“个人成长”叙事，《嫣语赋》依托古代故事传播女性独立价值观等。

　　目前，古装探案剧的风还在继续吹，待播的古装悬疑剧还有多部，在剧情呈现上，“古装探案+女性”“古装探案+复仇”等多种元素融合。比如，青春热血悬疑剧《大宋少年志2》，古装悬疑剧《繁城之下》《九义人》，古装女性悬疑剧《隐娘》，古装探案剧《风月锦囊》《大理寺少卿游》《大唐狄公案》等，用波谲云诡的古风故事吸引观众目光。(记者 师文静)

　　(来源：齐鲁晚报 2023年02月03日 A09版)

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