资料图为成都一火锅店推出的牛油火锅。 中新社记者 张浪 摄
人莫不饮食,但鲜能知其味。用火烹饪食物而滋味出,中华民族自古深谙用火之道,湖南玉蟾岩遗址出土的一件陶釜不晚于公元前12000年,称得上人类饮食史上最早的锅具,也为辣椒与热油在华夏的相遇埋下伏笔。
据中国烹饪协会第二届理事会副会长杨孝成介绍,民国时期,成都达官贵人宴席上的火锅多为清淡的菊花清汤锅,但街边已出现不少以麻辣著称的牛肚火锅。他20世纪60年代曾和师父一起前往重庆桥头火锅交流底料炒制,围锅而坐的人们拿起筷子不一会儿,便被那直冲天灵盖的麻辣味刺激得满脸通红,走出火锅店时还是满身大汗、舌头通木。
资料图为成都一火锅店内用餐的顾客。 中新社记者 张浪 摄中国现代著名作家李劼人在《说成都》中用“需具大勇”表达对牛肚火锅食客的敬意。据他考证,牛肚火锅最早源于重庆江北,民国时期传入成都后渐渐“研制极精”“踵事增华”:豆母改为陈年豆豉,外加甜醪糟,生菜也多了豌豆尖、洋莴笋……
时光荏苒,环球食材亦如辣椒般在成都火锅中激荡融合,百味涮万物。继牛肚之后,兔、蛙、鱼、鸡等陆续被川人海纳为锅中主角,鲜兔火锅甚至火到新加坡、西雅图;而韩国年糕、美国牛肉、泰国海鲜等四海菜品亦可在辣油中“焕发新生”……
虽然成都火锅种类繁复,但若论其中翘楚,挑剔的老饕们则会首推纯植物油熬制的清油火锅。相比“霸道”的重庆牛油火锅,成都清油火锅的麻辣更轻重有致、薄厚适宜、层次分明、绵里藏针,一如这座城市的闲适、华美、温润与诗意。
地道的清油火锅店,无需店招,仅凭那浓得化不开的麻辣香气,就能让十米开外的食客“闻香知味”,生出“拈一筷子”的冲动。待红锅沸腾,夹一片毛肚涮至火候,在蒜泥、香菜、香油混合的蘸料中一裹,口舌生香。待额头渗出细细汗珠,辣椒一路打通五脏六腑,只觉全身毛孔无不畅快。
2022年12月,成都清油火锅制作技艺传承人、大妙火锅创始人刘勇向记者讲述清油火锅的故事。 中新社记者 张浪 摄“将印度辣椒、贵州辣椒、云南辣椒、四川糍粑海椒按比例混搭,再与四川汉源子母椒和金阳青花椒相佐。”谈及清油火锅的“味蕾密码”,成都清油火锅制作技艺传承人、大妙火锅创始人刘勇告诉记者,火锅中的辣椒有提色、增香、加辣三种功效,根据食客的不同需求,辣椒的配比也会调整。为了让火锅辣而不燥,锅底往往还会加入数十种药食同源的中药材。
火锅料理师对“至味”的探索不乏知音,在“尚滋味,好辛香”的四川,多的是愿意在凛冬酷暑为那一口麻辣鲜香大排长龙的食客。“毛肚七上八下最脆,鸭肠上三下三,肥牛变色就捞……烫火锅的口诀大家都耳熟能详,但我们吃了几十年火锅,不需要数数,手上、心里都有数,这一口越吃越香、越吃越想。”成都市民罗晓华笑言。
图为2022年12月,成都大妙火锅吸引食客。 中新社记者 张浪 摄据四川省火锅协会执行会长严龙介绍,四川火锅如今已走向全球五十余个国家和地区,料理师们会因地制宜,将川味火锅与当地饮食习惯结合,如英国的火锅餐厅提供黑胡椒酱,泰国火锅餐厅加入冬阴功元素。而成都火锅也吸收着海外元素不断创新,如卡塔尔世界杯期间,便有火锅料理师将底料做成了足球造型,可谓“环球同此麻辣”。
冬日凌晨,成都街头的火锅店内依然有食客筷子翻飞,牛肉卷、鸭肠在滚沸的红油中起伏;而地球另一端,美国纽约的火锅店又迎来新一波食客,举箸欲食……成都火锅蒸腾出的“烟火气”,丝丝缕缕,沁人心脾。(完)
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() |