凤凰微彩|凤凰微彩

“第41条”引发暴力抗议，意大利驻多国使馆面临安全威胁******

　　【环球时报驻意大利特派记者 谢亚宏 环球时报特约记者 刘皓然】近来，有组织的暴力抗议活动在意大利频繁上演，就连意大利驻多国的外交使团都面临严峻的人身威胁。1月31日，意大利外交部长塔亚尼称，意大利政府已加强其在全球各地外交使团的安全措施，以应对不断升级的恐怖袭击活动。究其原因，这一系列暴力抗议与意大利《监狱管理法》有关，该国颇具煽动力的无政府主义者阿尔弗雷多·科斯皮托在服刑中为对抗这部“厉法”已绝食百日，其极端的抗议方式不断刺激着支持者的狂热情绪。

　　外交官收到子弹恐吓信

　　据路透社2月1日报道，1月下旬以来，米兰、罗马和特兰托等地相继上演街头暴力活动，多部车辆被当街焚毁，罗马某警察局甚至还被人投掷了燃烧弹。更为严峻的是，极端抗议者还频繁滋扰、威胁驻外官员，意大利驻德国、瑞士、希腊、葡萄牙、西班牙和阿根廷等国的外交官均受到不同程度的滋扰和威胁，有人甚至收到了装有子弹的恐吓信，信件内容要求意大利政府“释放科斯皮托”。在一众受害者中，意大利驻雅典外交官施莱因的车被一枚汽油弹炸毁，驻柏林外交官埃斯泰罗的车被烧。意大利驻巴塞罗那总领事馆的窗户也被人砸毁。

　　当地时间1月29日，意大利政府对国内外近期一系列的极端抗议活动、暴力袭击行为表达强烈谴责。声明称：“诸如此类的行为吓不倒政府机关，国家也不会向暴力威胁者妥协。”塔亚尼称，这些暴力活动系意大利国内不法分子与国际无政府主义团体共同实施，意大利外交部、各驻外使领馆已全部升级了安保措施。

　　无政府主义思潮在意大利影响深远，著名的无政府主义创始人之一巴枯宁曾长期在意大利活动，戏剧《一个无政府主义者的意外死亡》也闻名世界。目前，意大利仍有无政府主义联合会等团体宣传相关思潮。

　　“始作俑者”狱中绝食百日

　　现年55岁的阿尔弗雷多·科斯皮托是意大利极左翼人士、无政府主义者，2006年他与同伙试图以两枚自制炸弹袭击库内奥省一所宪兵学校，并为此受到了恐怖主义指控，被判处终身监禁，且不得保释。服刑初期，科斯皮托长期与外界保持联络，还在一些激进媒体平台发表文章与言论，最终在去年5月被“噤声”。狱方将他单独囚禁，并切断了他与外界的联络。

　　狱方针对科斯皮托所采取的严厉措施是基于该国《监狱管理法》的第41条，该条款允许狱政部门严格限制在押囚犯人身自由。在“第41条”的约束下，囚犯平均每天要被单独囚禁22小时，每月只能与探监访客见面1小时。即便是参与监狱内的集体活动与改造项目，他们也会受到严格限制。

　　英国广播公司(BBC)称，“第41条”曾经主要针对穷凶极恶的黑手党头目，旨在切断此类组织的通信和指挥机制。因为意大利的黑道大佬一度手眼通天，有人即便是在服刑期间仍能指挥属下兴风作浪，甚至肆意报复、杀害意大利官员。近年来，“第41条”的应用范围逐渐被拓宽，适用于大部分威胁国家安全与社会秩序的黑手党分子、恐怖分子、颠覆分子。

　　为对抗“第41条”，科斯皮托从去年10月20日起开始绝食抗议，截至目前他已经绝食超过100天，体重骤减40公斤。因身体过度虚弱，他上个月在洗澡时摔伤了鼻子，已经从意大利萨丁岛的服刑地被紧急转移到米兰一座医疗条件较好的监狱疗养。

　　充满争议的“第41条”

　　事实上，绝食抗议并非科斯皮托首创。2002年，意大利北部一监狱爆发集体绝食抗议，这座监狱关押着罪行累累的黑手党头目、绰号“野兽”的萨尔瓦托雷·里纳。除绝食外，在押的黑手党人还不断敲击金属围栏，制造噪音。这股浪潮迅速传播至另外3所高级别监狱，参与者总数约为300人，全部都有黑手党背景。

　　一直以来，“第41条”在意大利法律界和国际社会都存在争议，很多法律专家将它称作“中世纪刑罚”。BBC举例称，意大利极左翼恐怖分子莱奥斯服刑期间被“第41条”约束长达20年，平均每年与外界沟通的时间为15小时，其精神状态受到严重影响。最后，莱奥斯在面对探监的亲人时几乎失语，和母亲的对话仅能维持几分钟。

　　2007年，欧洲人权法院认为“第41条”违反《欧洲人权公约》。同年，美国一家法院拒绝向意大利引渡一名黑手党毒贩，理由是他在意大利被判刑后有可能面临“第41条”的折磨。

　　(来源：环球时报)

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）