首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    无脊椎动物的爆发式诞生 -- 古生代上半叶地球历史

    上一篇文章中,我们介绍了冥古宙、太古宙、元古宙的地球历史,经历了从宇宙大爆炸、太阳系诞生、后期重轰炸期、大氧化事件一直到地球接连两次的大冰期。 在这四十多亿年的岁月里,地球一直沉寂着,他经历了遍体岩浆的灼烧、漫天小行星的轰炸洗礼以及无尽冰雪覆盖的寒冷折磨,地球在他的轨道上顽强生存着,在这艰难的环境中,依然有着顽强的生命诞生,很可能原始生命在最早的冥古宙就已经诞生,而蓝藻、菌类也在这之后地球动荡的岁月里相继诞生,延续着自己的生命。 元古宙的最后,在埃迪卡拉纪两次大冰期之后,多细胞生物终于诞生了,虽然他们结构还很简单,但是这有史以来首次的生物爆发才终于让地球稍稍拥有了一丝生机,那么,经历了这艰难四十亿年后,地球会迎来他的春天吗?灾难是否已经永远的离开了这颗年轻而又充满活力的星球呢?还有什么样的命运会在这片广袤的大地上被叙写出来呢?那就让我们来到从五亿年前一直持续到今日的地球最后一个宙的历史 — 显生宙来一探究竟吧。

    02

    好文速递:局部城市气候的全球多模式预测

    摘要:针对气候驱动风险的有效城市规划依赖于针对特定建筑景观的强劲气候预测。由于全球规模的地球系统模型中几乎没有普遍的城市代表性,因此没有这种预测。在这里,我们结合了气候建模和数据驱动方法,以提供二十一世纪全球城市气候的多模型预测。结果表明,气候变化下某些地区的城市变暖特定水平的模型间鲁棒性。在高排放情景下,据估计,到本世纪末,美国,中东,中亚北部,中国东北,南美内陆和非洲的城市将经历超过4 开尔文(K)的实质性变暖,比区域变暖还要大。世纪,具有很高的跨模型信心。我们的发现突出表明,对于气候敏感型发展,需要对本地城市气候进行多模式全球预测,并支持绿色基础设施干预,以作为大规模减少城市高温压力的有效手段。

    04

    不要学人类以貌取人,AI须远离伪科学

    光明的另一面,是黑暗。 就在人工智能为人们打开一扇无比美好的天窗时,阳光的照射,让屋子的背光面,蒙上一层阴影。 而这层阴影的始作俑者,可能并非名目张胆恐怖分子、孤注一掷的邪恶国家、老谋深算的恶毒黑客……而是,普通人。 是你,也是我。 因为人工智能足够神秘,即使我们已经使用着它,却摸不着这个黑匣子里到底藏着什么奥秘。 而正是因为不懂,解释不了,才为普通人打开了一条滥用和曲解的邪路。 其实,每每有新科技新事物的诞生,背后都有着普通人滥用科学导致的灾难性后果。纵观人类历史,比比皆是。 而如今,这条滥用之船,开到人

    07

    人类没有足够的高质量语料给AI学了,2026年就用尽,网友:大型人类文本生成项目启动!

    萧箫 发自 凹非寺 量子位 | 公众号 QbitAI AI胃口太大,人类的语料数据已经不够吃了。 来自Epoch团队的一篇新论文表明,AI不出5年就会把所有高质量语料用光。 要知道,这可是把人类语言数据增长率考虑在内预测出的结果,换而言之,这几年人类新写的论文、新编的代码,哪怕全都喂给AI也不够。 照这么发展下去,依赖高质量数据提升水平的语言大模型,很快就要迎来瓶颈。 已经有网友坐不住了: 这太荒谬了。人类无需阅读互联网所有内容,就能高效训练自己。 我们需要更好的模型,而不是更多的数据。 还有网友调侃,

    04

    Google Earth Engine(GEE)——1870年至2100年的全球城市范围数据集

    1870年至2100年的全球城市范围 长期的、全球性的城市范围记录可以帮助评估人类活动对环境的影响。遥感观测可以提供对历史上城市动态的洞察力,但仅在卫星时代。在这里,我们利用在1992年至2013年期间对城市范围的卫星观测进行训练的城市蜂窝自动机模型,开发了一个1公里分辨率的1870年至2100年的全球城市动态数据集。我们对五条共享社会经济路径(SSPs)下的后报(1870-1990年)和预测(2020-2100年)城市动态进行了建模。我们发现,在SSP5(化石燃料发展方案)下的全球城市增长是最大的,自1870年以来,城市范围增加了40倍以上。高分辨率数据集捕获了200年来的网格级城市扩张,这可以提供对城市化生命周期的洞察力,并帮助评估城市化和人类与环境互动在全球范围内的长期环境影响。您可以在这里阅读该论文:

    01

    mLife:生态系统微生物组科学

    微生物组通过与复杂环境和其他生物的相互作用,促进多种生态系统功能和服务。然而到目前为止,大多数微生物组研究都是在个体宿主或特定的环境中进行的。这极大地限制了对微生物组及其在生态系统水平上的动态过程和功能的全面理解。我们建议利用生态系统生态学的理论和工具来研究整个生态系统中微生物的连通性及其与生物和非生物环境的相互作用,并研究它们对生态系统服务的贡献。自然和人为压力因素对生态系统的影响可能会对微生物组产生级联效应,并导致不可预测的结果,如新发传染病的暴发或互惠互动的变化。尽管微生物生态学取得了巨大的进展,但我们还没有研究整个生态系统的微生物群。这样做将为微生物组研究建立一个新的框架:生态系统微生物组学。分子和基因组技术的出现和应用,以及数据科学和建模将加速该领域的进展。

    02
    领券