中国发现新物种“徐氏亚洲暴龙”；AI或可“杀”了AI；安慰剂为什么可以缓解疼痛？深海金属矿能产氧 | 一周论文新鲜读
Nature Portfolio约 10 分钟关注+星标 🌟 ，好搭档不错过
7.29 本周值得读 来自《自然》旗下期刊的最新发表，我们为您精选呈现。
1. 中国发现新的中等体型暴龙物种
2. 机器学习提升天气与气候预测
3. 深海采矿目标能产“暗氧”
4. 小鼠体内发现与安慰剂缓解疼痛相关的脑回路
5. 小型早期哺乳动物可能生长较慢
6. JWST观测到一颗巨型行星
7. 用AI生成数据训练的模型或发生崩溃
古生物学 | 中国发现新的中等体型暴龙物种The first deep-snouted tyrannosaur from Upper Cretaceous Ganzhou City of southeastern China
Scientific Reports 《科学报告》发表的一篇论文描述了一个在中国发现的晚白垩世 （约1亿年至6600万年前） 中等体型的深吻暴龙新物种。该发现代表了暴龙科在亚洲最南部的身影，为暴龙科在晚白垩世的多样性和演化提供了见解。中国浙江自然博物馆的郑文杰和同事研究了2017年在中国东南部赣州市南雄组发现的化石遗骸，鉴定出了这个新物种。化石包括了一个接近完整的头骨——长47.5厘米——和部分身体骨骼。该样本总体长据估在3.5米至4米，对其右腓骨结构的分析表明遗骸属于一个尚未完全成年的个体，但已经度过了最快生长期。该标本具有相对较深的吻部和下颚。作者将新物种命名为“徐氏亚洲暴龙” （ Asiatyrannus xui ） ，致敬了中国恐龙学家徐星博士。
对暴龙类物种关系的分析表明，徐氏亚洲暴龙与大型深吻暴龙特暴龙属 （ Tarbosaurus ） 和暴龙属 （ Tyrannosaurus ） 是近亲，后两者的体型比徐氏亚洲暴龙大两倍以上。作者还报告说，徐氏亚洲暴龙的体型不到长吻的虔州龙 （ Qianzhousaurus ） 的一半，虔州龙是和徐氏亚洲暴龙生活在同一地区、同一时代的暴龙物种。头骨结构和大小的差异表明，这两个物种可能采取了不同的进食策略，并占据了晚白垩世生态系统的不同生态位。虔州龙显然是食物链的顶端，而徐氏亚洲暴龙则可能居于虔州龙和较小的窃蛋龙之间的生态位。
作者认为， 徐氏亚洲暴龙可能是目前唯一确定的中等体型暴龙。过去的研究对其他较小暴龙物种——如矮暴龙 （ Nanotyrannus ） 和白熊龙 （ Nanuqsaurus ） ——的存在与否存有争议，提出属于这些物种的个体可能实际上是大型暴龙的幼体。
徐氏亚洲暴龙头骨3D图，视频来自作者
环境 | 机器学习提升天气与气候预测
Neural general circulation models for weather and climate
Nature《自然》本周报道的一个机器学习模型能进行准确的天气预测和气候模拟。该模型名为NeuralGCM，能超越部分现有天气和气候预测模型，且有望比传统模型节省大量算力。
一般环流模型 （GCMs） 表示了大气、海洋和陆地的物理过程，是天气和气候预测的基础。减少长期预报的不确定性以及估算极端天气事件是理解气候缓解和适应的关键。机器学习模型一直被认为是天气预测的一种替代手段，且具有节省算力成本的优势，但它们在长期预报的表现常常不如一般环流模型。
美国谷歌研究 （Google Research） 的Stephan Hoyer和同事设计了NeuralGCM，这个模型结合了机器学习和物理方法，能进行中短期天气预报以及几十年的气候模拟。该模型对1-15天预报的准确率能媲美欧洲中期天气预报中心 （ECMWF，最好的传统物理天气模型之一） 的预测结果。对于最多提前10天的预报，NeuralGCM的准确率与现有机器学习技术不相上下，有时甚至更好。
NeuralGCM的气候模拟准确率与最好的机器学习和物理方法相当。当作者在NeuralGCM的40年气候预测中加入海平面温度后，他们发现模型给出的结果与从ECMWF数据中发现的全球变暖趋势一致。NeuralGCM 在预测龙卷风及其轨迹方面也超过了已有的气候模型。作者总结道，这些结果共同表明，机器学习是提升一般环流模型的一个可行手段。
NeuralGCM 模拟大气的速度比最先进的物理模型更快，同时生成的预测结果精确度相当。该图比较了 NeuralGCM 和两种物理模型在 30 秒计算时间内生成的大气模拟天数。这三个模型以不同的分辨率运行，X-SHiELD 的分辨率最高（0.03°），NCAR CAM6 的分辨率为 1.0°，NeuralGCM 的分辨率最低（1.4°）。视频来自谷歌研究
地球科学 | 深海采矿目标能产“暗氧”
Evidence of dark oxygen production at the abyssal seafloor
Nature Geoscience 《自然-地球科学》发表的一篇论文显示，漆黑深邃海底的含稀土金属结核能产氧，这种氧被称为“暗氧” （dark oxygen） 。这一发现表明，这些结核或能影响深海海底的生态。在全世界海洋中，被沉积物覆盖的深海平原上常见多金属结核。它们主要由铁和锰的氧化物组成，但也含有对许多先进低碳能源技术至关重要的钴和稀土元素这类金属，因此是深海采矿的一个目标，不过，这种采矿对环境的潜在影响一直不明确。
英国苏格兰海洋科学协会 （SAMS） 的Andrew Sweetman和同事在发现了多金属结核的中太平洋克拉里昂-克里帕顿断裂带 （Clarion–Clipperton Zone） 开展了实验，他们利用放置于4200米深海底的空箱测量了相距4000千米的多个位点的氧气浓度。这些实验几乎都显示氧气浓度在两天时间里逐渐升高。作者后续开展了实验室分析，并提出多金属结核是检测到的氧气释放的来源。基于数值模拟，Sweetman和同事提出假说，认为这些结核的电性质是产氧原因。
虽然作者指出很难估算多金属结核在更大规模下的产氧量，但他们认为这个氧来源或支持了深海海底生态系统，如果这些结核被开采可能会影响这个生态系统。
神经病学 | 小鼠体内发现与安慰剂缓解疼痛相关的脑回路
Neural circuit basis of placebo pain relief
Nature《自然》发表的一项研究在小鼠模型中发现了安慰剂效应缓解疼痛的一个可能神经环路。
安慰剂效应有镇痛的功效。当一个人预期疼痛缓解时，他们对疼痛的感知会降低，这个过程也称安慰剂镇痛效应。此前研究显示，安慰剂镇痛效应与前扣带回皮质内的活动有关，这个脑区也与疼痛感受有关。不过，这种现象背后的生物学机制一直不明。
美国北卡罗来纳大学教堂山分校的Grégory Scherrer和同事设计了一个安慰剂镇痛效应小鼠模型，来研究疼痛缓解是如何介导的。研究人员让小鼠与地面温度不同的两个房间条件性相关，一个热度舒适，另一个非常热。这些条件性小鼠暴露在更热的地面后，会在更凉的地面上停留更长时间，说明它们预期这能缓解疼痛，而且它们的疼痛缓解行为也会减少，如舔脚。
在后续对小鼠大脑的基因分析中，研究团队在前扣带回皮质喙部与脑桥核之间发现了一个与疼痛缓解行为相关的通路——脑桥核脑区之前未被发现在疼痛中有作用。Scherrer和同事还指出，脑桥核含有大量阿片受体，这个证据提示该脑区在耐痛中的潜在作用。他们还在小脑内发现了一个细胞簇，这些细胞或许能编码前扣带回皮质喙部与脑桥核通路中的疼痛缓解预期。
作者指出，这个脑通路或能用药物、电极或认知行为疗法进行刺激，从而诱导个体的疼痛缓解。
DOI：10.1038/s41586-024-07816-z
> 扫描二维码获取论文原文 <古生物学 | 小型早期哺乳动物可能生长较慢
Jurassic fossil juvenile reveals prolonged life history in early mammals
Nature 根据《自然》发表的一项研究，小型早期哺乳动物的寿命和发育期可能比体重相近的现代哺乳动物更长。这些发现基于在苏格兰发现的一个小鼠大小的生物的化石骨骼遗骸，其年代可追溯至中侏罗世 （约1.66亿年前） ，表明哺乳动物的发育在此期间经历了重要转变。现代哺乳动物通常在幼年生长迅速，但成年后就停止了生长。与体型较大的哺乳动物相比，成年体型较小的哺乳动物通常发育迅速、成熟更早、寿命更短、产仔更多。哺乳形类 （Mammaliaformes，早期哺乳动物及其已灭绝近亲） 成体体重很小 （不到100克） ，但比今天的小体型哺乳动物寿命更长，生长速率更慢。但由于缺少幼年化石，理解这种模式的出现及其何时发生一直很难。
英国苏格兰国家博物馆的Elsa Panciroli和同事报告在苏格兰斯凯岛发现了名为Krusatodon kirtlingtonensis的幼年和成年柱齿兽 （ docodontans ，一种中侏罗世哺乳形类） 的部分骨骼。为了研究这些标本的生活史，作者分析了牙齿的生长增量。作者发现，成体约有7岁，幼体死亡时大约只有7至24个月大，正处于乳牙被恒牙替代的过程。基于牙齿长度以及前肢和大腿骨的周长，作者估计成年的Krusatodon的体型介于倭树鼩 （约58克） 和八齿鼠 （约158克） 之间。他们还估计，幼体大约在成体体重的51%至59%之间。作者发现，Krusatodon的发育期较长，在相近的体重下，它的最大寿命明显长于现生哺乳动物，其中包含更长的发育期。
Krusatodon kirtlingtonesis艺术复原图。作者Maija Karala
天文学 | JWST观测到一颗巨型行星
A temperate super-Jupiter imaged with JWST in the mid-infrared
Nature 《自然》报道了一颗“超级木星”式巨型系外行星的发现，这颗行星围绕附近一颗约有35亿年历史的太阳型恒星运行。由于之前预测到有行星围绕该恒星运行，因此利用詹姆斯·韦布空间望远镜 （JWST） 进行了观测。然而新发现的这颗行星其特性与之前对该系统的分析有所不同。Epsilon Indi A距地球仅3.6秒差距，是一颗主序星 （以氢为燃料） ，这颗橙色矮星的燃烧温度略低于太阳 （太阳为G 型黄矮星） 。以前对这颗恒星的分析表明，它可能有一颗巨行星，但一直缺乏直接观测数据。德国马克斯-普朗克天文学研究所的Elisabeth Matthews和同事报告说，JWST对一颗行星进行了直接成像，为了解该系统的特性提供了新的启发。
这颗被观测到的行星非常明亮和寒冷，温度约为275K，质量是木星的六倍多。它目前的预计距离为15个天文单位 （即au；1au是地球与太阳之间的平均距离） ，预计轨道周期至少为几十年。这颗行星的性质与之前预测中的“行星b”不同，因此作者将 这颗新行星命名为Eps Ind Ab。作者总结道，数据表明这可能是该星系中唯一的一颗巨行星。
> 扫描二维码获取论文原文<
计算机科学 | 用AI生成数据训练的模型或发生崩溃
AI models collapse when trained on recursively generated data
Nature 《自然》发表的一篇论文指出，用AI生成的数据集训练未来几代机器学习模型可能会污染它们的输出，这个概念称为“模型崩溃” （model collapse） 。该研究显示，原始内容会在数代内变成不相关的胡言乱语，显示出使用可靠数据训练AI模型的重要性。生成式AI工具越来越受欢迎，如大语言模型 （LLM） 等，这类工具主要用人类生成的输入进行训练。不过，随着这些AI模型在互联网不断壮大，计算机生成内容可能会以递归循环的形式被用于训练其他AI模型或其自身。
英国牛津大学的Ilia Shumailov和同事用数学模型演示了AI模型可能会如何出现模型崩溃。作者证明了一个AI可能会忽略训练数据中的某些输出 （如不太常见的文本） ，导致其只用一部分数据集来自我训练。Shumailov和同事还研究了AI模型会如何应对主要用人工智能生成的训练数据集。他们发现，给模型输入AI生成的数据会减弱今后几代模型的学习能力，最终导致模型崩溃。他们测试的几乎所有递归训练语言模型都容易出现重复短语。比如，一个用中世纪建筑文本作为原始输入的测试到第九代的输出已经是一串野兔的名字。
作者指出，对于使用前几代生成的训练数据集的AI模型来说，模型崩溃的一个不可避免的结局。为了让人工智能成功使用其自身输出进行训练，Shumailov和同事认为用AI生成数据训练一个模型并非不可能，但必须对数据进行严格过滤。与此同时，依赖人类生成内容的科技公司或许能比竞争对手训练出更高效的AI模型。
本论文开放获取 > 扫描二维码获取论文原文<
转发
点赞 在看
截止下周一（8月5日）12:00，我们将选出最有诚意的评论寄出小礼品哦~🌟
版权声明：
本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件[email protected]。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。
© 2024 Springer Nature Limited. All Rights Reserved
点击阅读原文，直通 nature.com