y39彩票技巧|y39彩票交流群

【草原宝藏4】史前瓮城——后城咀石城******

【遗址名片】

龙山时代 距今约4300年-4000年

位于呼和浩特市清水河县宏河镇境内

2019-2022内蒙古自治区考古研究院发掘

　　石城是一种防御、守护。北方地区石城文化与中原地区的夯土城、长江流域的堆土城等，形成早期中国的城市建筑区域体系。

　　在内蒙古自治区清水河县黄河边上发现的后城咀石城，距今约4300年—4000年，是一处具备完整防御体系的史前瓮城遗迹，其年代与陕西神木石峁石城遗址同期或略早。

　　后城咀石城由瓮城、外城、内城构成，是目前内蒙古中南部已知规模最大、等级最高的史前时期石城址，初现龙山时代的“古国”雏形。

　　目前发掘已经辨明了后城咀石城由双壕沟、内外瓮城以及城墙构成的半月形防御建筑，是我国北方已知最早较为完整的城防体系。

　　2019年—2022年，内蒙古自治区考古研究所对后城咀石城进行可考古发掘，累计发掘瓮城面积3000余平方米，揭露城垣、城门、马面、台基、墙垛、壕沟等遗迹二十余处，出土玉刀、玉环、陶鬲、陶瓮等重要文物十余件。

　　通过对石城瓮城的考古发掘，发现瓮城是由外瓮城、内瓮城构成，外瓮城土坯建造的台基是河套地区龙山时代发现最早的土坯式建筑。连接瓮城内外的地下通道在国内史前时期属首次发现。

　　这些新的发现对于推进河套地区文明化进程研究、探索河套地区史前聚落与文化的变迁历程，深化龙山时代石城聚落的源流与空间关系研究，探讨中国北方地带史前文化与文明起源研究，以及揭示早期中国的文明基因都具有极为重要的社会价值。

　　经过对比研究发现，后城咀石城的双重壕沟和半坡遗址、哈民遗址、凌家滩遗址有着相似之处，内外瓮城的空间结构布局方式具有石峁和下塔古城的结构特征，外瓮城发现的土坯垒砌的台基建筑特点与仰韶文化台口类型、良渚文化以及屈家岭文化的土坯建筑特点有共同之处，壕沟内出土的野猪下颌骨可能用于祭祀，与大汶口、龙山、石家河、齐家等考古学文化出土的猪下颌骨功能相同。

　　内蒙古龙山时代石城作为河套地区早期文明发展进程的重要支撑点之一，历经数十年的探索、研究，厘清了龙山时代石城文化内涵和社会组织结构，同时也进一步挖掘了龙山时代石城在漫长而复杂的文化演变和早期中国形成过程中所占据的重要地位，为研究河套地区龙山时代早期国家框架的形成提供了至关重要的考古资料。

后城咀石城遗址。新华网发

　　后城咀石城址的考古发掘与研究，对构建中华文明标识体系，证实中华文明延续不断、多元一体、兼收并蓄的发展脉络，丰富中国文化“满天星斗”的区系特征，阐释黄河文化深厚内涵等都具有重要社会价值，为中华文明多元一体格局的形成提供了重要实证材料。

　　后城咀石城遗址城门发掘目前不过3000多平方米，如果对居住区、墓葬区进行考古发掘，更多考古的信息将揭秘，十分令人神往。

　　出品人：曹建恩

　　制片人：王宇天

　　顾问：孙金松

　　史料指导：孙金松 李亚新

　　总监制：李国栋 赵建华

　　统筹：张瑞锋 侯 俊 刘艳春 王贵兵

　　监制：郝芳芳 乌兰托娅

　　策划：徐红梅

　　编导：徐红梅

　　文字：徐红梅

　　解说：刘弘轩

　　拍摄：何晓东 吴佳明 呼很苏力

　　剪辑：杨占青

　　宣发：武杨

　　页面设计：李新 张瑞娟

　　出品：新华网内蒙古频道

　　内蒙古自治区文物局

　　内蒙古博物院

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）