话剧《桂梅老师》剧照 光明日报记者 张勇摄/光明图片
十二年的苦寒磨炼
2009年,在云南英模先进事迹颁奖晚会上,云南省话剧院创作演出了王宝社担任编剧、导演的短剧《感恩的心》,这是云南省话剧院与张桂梅的第一次接触。
“从那时起,我们对桂梅老师留下了深刻的印象,创作一部以张桂梅感人事迹为题材的原创话剧,一直埋在云南省话剧院和王宝社老师心中。”导演常浩回忆道。在酝酿了十余年后,编剧、导演王宝社于2020年写下了话剧《桂梅老师》。
虽然有了好剧本,但摆在话剧院面前的仍是重重困难。
“第一难的不是资金、不是时间,而是没有演员。”常浩说,“我和宝社老师算来算去,终于攒够了4位老师、5位学生、3个孩子。面对缺少演员的困难,话剧院的演员们付出了许多汗水。在剧中扮演女高学生的李欣瑶已经能够在5位女高学生角色之间任意转换,准备随时顶上去。”
“一直以来,演员们的心中都有一团火。大家对桂梅老师的崇敬变成了一种责任,想通过话剧让更多人把心中爱的源泉激活。”张桂梅的扮演者,云南省戏剧家协会驻会副主席、国家一级演员李红梅说。
创作一部能留得下来的作品,需要沉下心来对人物、事件做深入的研究。2009年开始,《桂梅老师》主创人员便对张桂梅的事迹进行持续不断地追踪,12年间,积累了400多个相关素材,通过长期观察、提炼、演绎,形成了有深度、有温度的作品。
李红梅多次到华坪采风,从早到晚,跟着张桂梅查寝、家访、开校会,用脑用心用笔记录着她的言谈举止。她凭借着12年来对张桂梅的观察与了解,成功塑造出了桂梅老师这一形象。
“桂梅老师身上让我感触最深的品质就是坚守。”在剧中饰演宣讲队成员等角色的章超说。
把英模人物塑造得有血有肉
创作英模人物题材的戏剧,难点在于如何塑造一个真实可信、有血有肉的典型形象。桂梅老师真的形体、真的情感、真的病痛,都真真切切地展示在舞台上。
“《桂梅老师》从普通人的视角观察英模、从生活的细节中发现英模的方式,构成了这部作品的艺术特色之一。”《文艺报》新闻部主任徐健说。
2021年6月《桂梅老师》在云南昆明首演以来,云南话剧院收到了许多反馈,其中一条留言这样写道:“你相信光吗?看完话剧《桂梅老师》,让我相信一件事,人皆可以为尧舜。”云南省话剧院院长马捷看到之后十分感动:“剧中的英模人物形象,让大家觉得可亲、可敬、可学,是对我们最大的认可。”
“主创们立志突破同质化,从客观生活出发,从真实人物出发,运用逆向思维的普遍性、批判性和新颖性,抛掉概念化,提纯化的老套,把桂梅老师塑造得很真实、很生动、很感人。”剧作家、戏剧评论家欧阳逸冰如此评价。
云南省文化和旅游厅副厅长王江红说:“时代需要英模来激励人们,《桂梅老师》诠释了大爱无疆的精神,讲出了无私奉献的时代精神。”
《桂梅老师》为何能从西南边疆脱颖而出
如何开拓市场、票房?文艺院团的价值何在?这些问题也曾经困扰云南话剧院。
“中央关于文艺来源于人民、文艺要服务于人民的要求,给我们指明了创作方向,激励我们去讴歌时代、讴歌人民、讴歌英雄!”马捷说。于是《鲁甸72小时》《农民院士》《桂梅老师》等优秀舞台作品在云南话剧院陆续诞生。
如今,《桂梅老师》已分别赴北京、重庆等10多个城市和云南省演出60余场。2023年,该剧将启动第二轮全国巡演。
《桂梅老师》为什么能脱颖而出?
王江红表示,《桂梅老师》的成功,得益于近几年来云南省实施的“云南文化精品工程”“云岭文化名家工程”,重视运用文艺形式宣传张桂梅等先进典型,在全省遴选出一批重点创作扶持作品建立项目库,首批入库6部作品中,以张桂梅事迹为题材的就有3部,《桂梅老师》名列其中。云南对项目库作品建立专家帮扶机制,对《桂梅老师》等重点作品进行指导扶持。
“正因为这些文艺政策的鼓励和培育,激励了云南话剧院等文艺院团和广大文艺工作者创作文艺精品的热情,才涌现出《桂梅老师》等一批优秀舞台艺术作品。”王江红感慨地说。
《光明日报》( 2022年12月27日 09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
(文图:赵筱尘 巫邓炎)