將環球科學設為星標
週一至週五
第一時間掌握
最新鮮的全球科技資訊
· 氣候變化 ·
評估2024年氣溫對《巴黎協定》目標的影響
近來，有訊息稱2024年是氣溫相對工業化前水平突破1.5°C的首個年份，但這會如何影響我們達成《巴黎協定》的長期目標仍不明確。《自然·氣候變化》（Nature Climate Change）發表的兩篇論文探討了《巴黎協定》將升溫控制在比工業化前氣溫高1.5°C的目標的潛在可能性。
為了探索單一溫暖年份和更長期變暖趨勢之間的關係，第一篇論文的作者將氣候觀測與“耦合模式比較計劃6”（CMIP6）的模擬相結合，重點關注能代表1981至2014年升溫趨勢的模型。回顧歷史上的升溫趨勢，作者認為氣溫突破比工業化前氣溫高0.6°C-1°C範圍內的不同升溫閾值的首個單一年份，也落入了全年年均氣溫超過這些不同閾值的首個20年期。這個規律表明，隨著2024年升溫達到1.5°C，地球可能已經進入了20年的升溫期。當作者模擬各種氣候情景時，取決於具體的氣候情景，2024年從可能（機率大於或等於66%）到幾乎肯定（機率大於或等於99%）落入了達到1.5°C目標的首個20年期。在共享社會經濟路徑（SSP）2-4.5情景下——該情景最能體現當前氣候政策，所有模型都顯示，突破1.5°C的首個年份落入了20年升溫期。作者提醒道，不應將1.5°C升溫的20年期起始時間誤認為是達到升溫水平本身的時間，因為後者很可能發生在20年期的中點。
第二篇論文使用了來自CMIP6的模擬資料，研究者指出2024年6月是連續第12個月升溫突破1.5 °C，並分析了這會如何影響《巴黎協定》目標。根據現有模型，研究者指出，預測升溫連續12個月突破1.5°C更容易出現在長期（即20年平均值）升溫已經發生的情況下。經計算，在SSP2-4.5情景下，出現這種情況的可能性為76%，在SSP1-2.6情景下，這種可能性為56%。作者指出，基於這一模擬，如果升溫連續18個月達到1.5°C或以上，那麼在SSP2-4.5下，巴黎協定幾乎肯定會被突破。
兩篇論文使用了不同的方法學和時間段，這也解釋了各自結果中的一些差異。不過，兩篇論文的作者都指出，快速和強硬的緩解措施仍能降低接下來數年至十年內突破 《巴黎協定》氣溫目標的可能性。
· 地球科學·
地球核心可能存在"火山"和"山體滑坡"，導致核心形狀變化
地球的固態核心被認為在維持地球磁場中起到了重要作用，核心成長是液態外核內部對流的主要驅動力。之前的研究提出，核心隨時間流逝發生過轉動或是形狀變化，但兩者不是同步發生。《自然·地球科學》（Nature Geoscience）發表的一項研究指出，地球核心的形狀在過去20年裡可能發生過變化。
研究者分析了2010年前後168組重複地震產生的地震波，其中一些發生在核心回到相同位置後，也即每組地震波的任何差異不可能來自轉動速度導致的差異。作者發現，雖然每組地震產生的穿過核心的地震波的性質是一致的，但僅擦過核心的地震波的性質卻有不同，作者認為對此的最好解釋是核心形狀會隨時間發生改變。至於驅動核心形狀變化的原因，作者認為，核心和外核的邊界可能存在類似地表的"火山"和"山體滑坡"，交界處的物質可能會不斷融化並凍結成新的結構；也可能是核心的鐵湧至核心表面；或是下地幔底部密度異常的牽引力以及外核對流產生的拖曳力。但作者也指出，仍需開展進一步研究才能提供一個更確定的解釋。（Nature Portfolio, Science News）
· 神經科學·
大腦克服恐懼的機制
大腦皮層不同視覺區域向vLGN傳遞訊號（圖片來源：Sainsbury Wellcome Centre）
人在面對潛在危險時會本能地產生恐懼。一般人可以透過學習和經驗克服恐懼，但一些創傷後應激障礙（PTSD）、焦慮症等患者則可能在這方面存在障礙。近日，一項《科學》（Science）上的研究揭示了大腦克服恐懼的機制。
科學家在小鼠頭上投下擴大的陰影，模擬來自空中的捕食者。小鼠一開始驚慌逃跑，但在多次暴露且無實際威脅後，就學會了冷靜。透過監測其大腦活動，科學家發現小鼠的腹外側膝狀核（vLGN）能夠接收來自視覺皮層特定區域的輸入，學習並建立“無威脅”的記憶，並在學習完成後獨立儲存相關記憶，無需視覺皮層的再次參與。當再次遭遇視覺威脅時，內源性大麻素（調控情緒和記憶的訊號分子）釋放會增強，降低對vLGN中特定神經元的抑制，使該區域活動增強，從而抑制恐懼反應。研究揭示了vLGN在克服恐懼中的關鍵作用，為治療PTSD等精神障礙帶來了希望。
· 物理學·
用原子鐘和雷射探測暗物質的新技術
科學家一直探測不到暗物質。然而，一項發表在《物理評論快報》（Physical Review Letters）上的最新研究，為暗物質的探測帶來了曙光。研究團隊開發了一種利用原子鐘和腔體穩定雷射器探測超輕暗物質的新方法，透過光纖（長達2220千米）連線腔體穩定雷射器和GPS衛星上的兩顆原子鐘，分析頻率與時間資料以尋找暗物質的蹤跡。由於暗物質質量極低，在宇宙中表現為一種波動，這種波動會導致原子鐘測量的時間不同，或者說頻率有所區別，且距離越遠，這種差異越明顯。透過比較遠距離的精密測量資料，研究人員成功探測到了暗物質場引起的時空變化，從而揭示暗物質的存在。
這項研究不僅首次探測到了與所有原子普遍相互作用的暗物質模型，還為科學家們提供了更廣闊的暗物質研究視角。研究結果表明，科學家們現在可以探索更多種類的暗物質場景，進一步揭開宇宙結構的奧秘。（UNIVERSITY OF QUEENSLAND）
· 人工智慧·
新型高效無監督學習演算法
目前幾乎所有人工智慧技術都依賴於“監督學習”，需要人類用提前標註好的資料來訓練人工智慧識別其中的特徵。近日，一篇發表在《IEEE模式分析與機器智慧彙刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence）上的論文提出了一種新的無監督學習演算法Torque聚類（Torque Clustering），該演算法優於傳統的無監督學習方法，能夠完全自主、無需引數、並且高效地處理大型資料集。
作者表示，該聚類演算法的獨特之處在於它基於扭矩（torque）這一物理概念，能夠自主識別簇，並無縫適應不同形狀、密度和噪聲程度的多樣資料型別。Torque聚類演算法能夠在生物學、化學、天文學、心理學、金融和醫學等領域高效自動地分析海量資料，揭示諸如檢測疾病模式、揭露欺詐或理解行為等新見解。（UNIVERSITY OF TECHNOLOGY SYDNEY）
撰寫：王昱、冬鳶、馬良驥、馬一瑗
編輯：王昱、冬鳶
封面來源：unsplash