张氏家谱地域字辈排行：

1、安徽省金寨县：启大道，正贤良， 一经传家，宗功世守 ，克承先训，继绪可久，长思祖德，齐敦孝友，尚学自立，光前裕后。

2、安徽省亳州市：学北天守广，德心玉俊良；志明本绍统，兴家传费祥。

3、安徽省桐城市：万志之云永，启世自荣昌，大德应时选，兴朝必以良。

4、山东省齐河县：令之允传方圣永怀修世德。

5、山东省新泰市：广安树继云，凤仙世孝远，仁怀振家真。

6、山东省淄博市：成先志光宗，德士传家法。

7、山东省青岛市：世开黄道日，双德吉祥始。

8、山东省兖州市：文士堂西广，召书庆元祥，承彦明嘉绪，振国守典长。

9、山东省诸城市：甲子寿光来，青春依旧在。

10、河南省郸城县：栋国大怀付得加其太平安。

11、河南省邓州市：明喷文鳯，荣先可绍，一本清传，福泽永继，学定万全。

12、湖南省洞口县山门水口张氏：朝鹤忠龙秀，辅遂臣泌发，福显永良才，时大友之天，锡爵文明起，赐禄华映先，千年宏圣道，万世富崇元，家声绵祖泽，懿德复仙元。

13、湖南省宁乡县：德茂光先祖良贻在克家殷勤敦实务谦厚发菁华绂冕芬徽圭璋品诣嘉席珍留待聘掞藻灿云霞。

14、贵州省：荣诗承奇，仁能洪道，国均先进世，奇忠赵王姖，天远开绵秀，普打郑昌依。

15、江西省赣州市：正元高国福玉定志用金□顺茂盛昌忠信永有光学士攀龙凤贤才振纪刚仁义为珍宝诗书。

16、江西省武宁县：挥公肇远绪，友吉炳成周，善颂钦君子，师臣作汉模，宗演三溪秀，嗣昭六监图。必昌崇有。

17、四川省：世卫国步元昌茂兴龙吉。

18、重庆市：鸿才启世，智胜绍欣；传扬天道，信步乾坤。苍鹰展翅，高远超群；翱翔霄汉，啸傲风云。雄狮过岗，迅猛驰奔；横行原野，威震丛林。狂龙涌浪，广阔无垠；蒸腾甘雨，泽惠黎民。

19、江苏省如皋县：大宗乃敦笃毓秀必诗书常守同居训其昌占庆余。

20、江苏省丰县：国泰民安，田广文光，敬传祖，继中恒。

扩展资料：

人口分布：

宋朝时期，张姓大约有490万人，约占全国人口的63%，为宋朝第三大姓。张姓第一大省是山东省。

在全国的分布，主要集中于山东、河南两省，大约占张姓总人口的277%，其次分布于四川、河北、陕西、湖南、湖北、山西、甘肃、江西八省，集中了545%。

明朝时期，张姓大约有560万人，约占全国人口6%，为明朝第二大姓。

在全国的分布，主要集中于江苏、浙江、江西三省，大约占全国张姓人口的36%，江苏省成为张姓第一大省。

当代，张姓的人口已达到近8500万，全国第三大姓，大约占全国人口的679%。

在全国的分布主要集中河南、山东、河北三省，大约占张姓总人口的275%，其次分布于江苏、四川、安徽、辽宁、黑龙江、湖北六省，集中了285%。

河南居住了张姓总人口的101%，当代张姓第一大省。全国形成以长江为界的高比率的北方张姓区和低比率的南方张姓区。

参考资料：

张姓-

竺可桢的孙子也许是竺延风（不准确说法）。

竺延风，男，汉族，1961年3月出生，浙江奉化人，1982年5月加入中国***，1983年8月参加工作，浙江大学化工系化工自动化及仪表专业毕业，大学学历，哈尔滨工业大学控制工程专业研究生毕业，工程硕士，研究员级高级工程师。

竺可桢（1890年3月7日—1974年2月7日），字藕舫，浙江省绍兴县东关镇（今属浙江省绍兴市上虞区）人。中国科学院院士，中国***党员，中国近代气象学家、地理学家、教育家。中国近代地理学和气象学的奠基者。

1909年，竺可桢考入唐山路矿学堂（今西南交通大学）学习土木工程，1910年，竺可桢公费留美学习，1918年获得哈佛大学博士学位。1920年秋应聘南京高等师范学校。1934年竺可桢与翁文灏、张其昀共同成立中国地理学会。1936年4月，他担任浙江大学校长，历时13年。

扩展资料：

1890年3月7日，竺可桢出生在浙江绍兴上虞东关镇一户小米商家庭。父亲竺嘉祥是一个有名的老实人，经营着两间屋面的一个小米行；母亲顾金娘虽然不识一字，但性情贤惠。竺可桢是父母最小的孩子，上有两个哥哥和三个姐姐。

据竺家家谱记载，顾金娘在生竺可桢前几天曾经做过一个梦，梦见了一只大熊，解梦先生称是“梦熊来兆”，于是就给儿子取名竺兆熊。5岁那年竺兆熊进私塾读书，私塾先生认为他聪明伶俐，就给他取了个学名竺可桢，认为他将来一定会成为国家的栋梁之才。

为了能让儿子早日成才，竺可桢的父亲用米行收入的三分之一聘请了大名鼎鼎的私塾先生章景臣来家执教，传授学问。

1899年，9岁的竺可桢考入了“中学为体、西学为用”的毓菁小学堂。小学毕业那年，由于家境困窘，在私塾老师章景臣的资助下，15岁的竺可桢于1905年秋孤身一人来到上海，考入了浙江镇海籍商人叶成忠捐资创办的澄衷学堂。

与竺可桢同时进入澄衷学堂读书的还有来自安徽绩溪的胡适。胡适比竺可桢小1岁，那时他叫胡洪骍，二人是同班同学，而且都喜爱读书。由于过度用功，竺可桢身体极度虚弱。

胡适见状，为了更好地督促竺可桢锻炼身体，就采用激将法。有一次在回宿舍的途中，胡适在竺可桢身后与人议论竺可桢，而且声音很大，胡适指着竺可桢对人说：“像他那样，一定活不过20岁。”

不服输的竺可桢听后暗下决心，一定要把身体锻炼好。此后，竺可桢每天清晨起床做早操，还经常进行远足和爬山等运动，渐渐地竺可桢的身体开始强健起来。

离开澄衷学堂后，胡适进入上海的中国公学读书，竺可桢则进入上海复旦公学读书。1910年8月，二人赴北京参加第二期留美庚款公费生选拔考试。当时有400多人应考，录取70人，在70人中，竺可桢第28名，胡适第55名。

在美国留学时，二人开始学的都是农学，竺可桢先在美国伊利诺伊大学农学院，1913年夏毕业后转入哈佛大学研究院地理系专攻气象，并于1918年获得博士学位。

回国后，应聘到武昌高等师范学校任教。而胡适先在康奈尔大学农学院，后入哥伦比亚大学改读哲学，师从杜威，在没有获取博士学位的情况下，匆忙回国，应蔡元培、陈独秀之邀请，担任北京大学教授。

人民网-科学家竺可桢不为人知的传奇人生

在深度学习技术的帮助下，古人类学家发现了人类家谱上丢失已久的分支证据。深度学习技术能帮助古生物学家和遗传学家寻找古人类的痕迹吗？7万年前，当现代人第一次走出非洲时，至少有两个已经灭绝的相关种群在欧亚大陆等候着他们。这两个相关种群就是古代人类尼安德特人和丹尼索瓦人，而后古代人类与早期的现代人杂交，现今的非洲后裔基因组还存留着古代人类DNA片段。越来越多的迹象表明，这段 历史 远比我们了解到的精彩。一个研究小组在《自然》(Nature)上报道称：他们在西伯利亚的一个洞穴中发现了一块属于人类杂交后代的骨头碎片，这一后代的母亲是尼安德特人，父亲是丹尼索瓦人，这块骨头碎片是第一代人类杂交的第一个化石证据。

不幸的是，类似的化石十分罕见，例如对丹尼索瓦人的了解基于从一根指骨中提取的DNA。虽然那些来自早期杂交群体的结合以及其他祖先结合很容易被发现，但当涉及到物理证据时，它们可能难以求证。它们出现过的线索可能只存在于某些人的DNA中，即便如此，它们也可能比尼安德特人和丹尼索瓦人的基因更微妙。统计模型帮助科学家在没有化石数据的情况下推断出这些种群的存：例如2013的古人类和现代人基因变异模式表明，一个未知的人类种群与丹尼索瓦人(或他们的祖先)进行了杂交。但专家们认为，这些方法也不可避免地忽视了许多细节。

还有谁对现今人类的基因组做出了贡献？这些种群长什么样子？它们生活在哪里？它们与其他人类物种互动和交配的频率是多少？发表在《自然通讯》(Nature Communications)上的一篇论文中，研究人员展示了深度学习技术的潜力，这种技术可以帮助填补一些缺失部分，填补的部分专家甚至可能还没有意识到。他们通过深入研究，挑选出了另一个种群的存在证据：欧亚大陆上一个未知的人类祖先，它可能是尼安德特人和丹尼索瓦人的混血，也可能是丹尼索瓦人的亲戚。这项研究工作指出了人工智能在古生物学中的未来用途，它不仅能识别不可预见的痕迹，还能揭示出我们在进化过程中的缺失部分。

目前统计方法涉及同时检测4个基因组的共同特征，这是对相似性的测试，但不一定是对实际祖先的测试；因为很多不同的方法都可以解释它揭示的少量基因混合物。例如这些分析可能表明，现代欧洲人与尼安德特人的基因组有某些共同特征，但与现代非洲人不同，然而这并不意味着这些基因来自尼安德特人与欧洲祖先的杂交。后者可能与一个与尼安德特人关系密切的种群繁殖，而不是尼安德特人本身。因为缺乏物理证据来表明这些古老的假定基因变异来源于何时、何地以及如何生活的种群，所以很难说在众多的推测祖先中，明确指出是哪一个。

威斯康星大学麦迪逊分校(University of Wisconsin-Madison)的古人类学家约翰·霍克斯(John Hawks)说：这项技术简单而强大，但在理解进化论方面还有很多问题没有解决。深度学习方法试图解释基因流动的水平，虽然基因流动水平相对于统计方法来说太小了，但它提供了更广泛、更复杂的模型来解释。通过训练，神经网络可以学习在基因组数据中根据最可能产生它们的人口 历史 对各种模式进行分类，而不需要被告知如何建立这些联系。

深度学习技术的使用可以发现研究人员没有怀疑过的古人类痕迹。首先，我们没有任何理由认为尼安德特人、丹尼索瓦人和现代人是人类 历史 脉络中仅有的三个种群。根据霍克斯的说法，这样的种群可能有几十个。纽约州立大学石溪分校(Stony Brook University)人类学家贾森·刘易斯(Jason Lewis)赞同这种观点并表示：我们的想象力一直受到限制，因为我们总是在关注活着的人，或者在欧洲、非洲和西亚发现的化石。深度学习技术以一种奇怪的方式重新聚焦这些可能性，这种方法不再受我们想象力的限制。

深度学习似乎不太可能解决古生物学家的问题，因为这种方法通常需要大量的训练数据。以其最常见的图像分类器为例，当专家训练一个模型识别猫的图像时，专家有成千上万张可以训练的，并且专家本身知道它是否有效，因为他知道猫应该长什么样。由于缺乏相关的人类学和古生物学数据，想要利用深度学习技术的研究人员不得不通过创造自己的数据来让它变得更聪明。巴塞罗那国家基因组分析中心(National Center of Genomic Analysis)的研究员奥斯卡·劳(Oscar Lao)说：我们在玩肮脏的把戏，能够使用无限数量的数据来训练深度学习引擎，因为我们使用的是模拟。

研究人员根据不同的人口统计细节组合生成了成千上万的模拟进化史：祖先人口的数量，大小，当他们彼此分离时的混血率等等。从这些模拟的 历史 中，科学家们为现代人生成了大量的模拟基因组。他们对这些基因组进行了深度学习算法的训练，使其了解哪种进化模型最有可能产生给定的遗传模式。然后，研究小组将人工智能释放，以推断出最符合实际基因组数据的 历史 。最终，该系统得出结论，一个以前未被确认的人类群体也对亚洲后裔的祖先有所贡献。从所涉及的基因模式来看，这些人本身可能要么是30万年前丹尼索瓦人和尼安德特人杂交产生的一个独特种群

要么是在那之后不久从丹尼索瓦人后裔中进化而来的一个群体。这并不是深度学习第一次被这样使用，该领域的一些实验室已经在应用类似方法来解决进化研究的其他线索。俄勒冈大学(University of Oregon)的安德鲁•科恩(Andrew Kern)领导的一个研究小组，利用基于模拟的方法和机器学习技术，对包括人类在内的物种如何进化的各种模型进行了区分。发现进化所青睐的大多数适应并不依赖于种群中有益的新突变的出现，而是依赖于已经存在的遗传变异的扩展，将深度学习应用于这些新问题正产生令人兴奋的结果。

存在一些问题，首先、如果实际的人类进化史与深度学习方法训练的模拟模型不相同，那么这项技术将产生错误的结果。这是科恩和其他人一直在努力解决的问题，为了提高准确性，还有很多工作要做。普林斯顿大学(Princeton University)生态学家和进化生物学家约书亚·阿基(Joshua Akey)说：我认为人工智能在基因组学方面的应用被过度夸大了。深度学习技术是一种奇妙的新工具，但它只是一种方法，这并不能解决我们想要了解人类进化中的所有谜团和复杂性。

一些专家甚至持怀疑态度，哈佛大学(Harvard University)和皮博迪博物馆(Peabody Museum)的古生物学家戴维·皮尔比姆(David Pilbeam)在一封电子邮件中写道：我的判断是，除了经过深思熟虑的、智能的、非人工的分析之外，数据的密度和质量并不理想。然而在其他古生物学家和遗传学家看来，这是一个很好的进步，可以用来预测未来可能的化石发现和人类几千年前应该存在的遗传变异。我认为深入学习真的会促进群体遗传学，对于我们可以访问数据但不能访问生成数据过程的其他字段，情况可能也是如此。

大约在科恩和其他种群遗传学家和进化生物学家开发基于模拟的人工智能技术来解决问题的同时，物理学家也在研究如何筛选大型强子对撞机和其他粒子加速器产生的海量数据，地质研究和地震预测方法也开始受益于深度学习方法。麻省理工学院和哈佛大学布罗德研究所(Broad Institute of the Massachusetts Institute of Technology)的计算生物学家尼克·帕特森(Nick Patterson)说：我真的不知道会发生什么，但有新方法出现总是好的。它如果能很好地回答我们的问题，我们会尽所能发展它！

博科园-科学科普｜参考期刊文献: 《natural》,《Nature Communication》

文: Jordana Cepelewicz/Quanta magazine/Quanta Newsletter

DOI: 101038/s41586-018-0455-x

DOI: 101038/nature12886

DOI: 101038/s41467-018-08089-7

博科园-传递宇宙科学之美