地球与环境科学

48 条内容

Nature News 2026年9月23日
《自然》新闻报道的一项新模型研究显示，地球日长的毫秒级十年波动最符合“引力扭矩主导、并被电磁与机械扭矩反向平衡”的组合，而该模型的关键输入来自2023年一项用重复地震波推断内核差速旋转在约2010年前后暂停、并呈约七十年振荡的《自然·地球科学》论文。
《自然》新闻报道的一项新模型研究显示，地球日长的毫秒级十年波动最符合“引力扭矩主导、并被电磁与机械扭矩反向平衡”的组合，而该模型的关键输入来自2023年一项用重复地震波推断内核差速旋转在约2010年前后暂停、并呈约七十年振荡的《自然·地球科学》论文。
地核内部的引力拔河：地球自转与日长的十年尺度摆动
《自然》新闻报道的一项新模型研究显示，地球日长的毫秒级十年波动最符合“引力扭矩主导、并被电磁与机械扭矩反向平衡”的组合，而该模型的关键输入来自2023年一项用重复地震波推断内核差速旋转在约2010年前后暂停、并呈约七十年振荡的《自然·地球科学》论文。
《自然》新闻报道的一项新模型研究显示，地球日长的毫秒级十年波动最符合“引力扭矩主导、并被电磁与机械扭矩反向平衡”的组合，而该模型的关键输入来自2023年一项用重复地震波推断内核差速旋转在约2010年前后暂停、并呈约七十年振荡的《自然·地球科学》论文。
arXiv 2026年9月23日
该工作提出AIDE²，一个在智能体“框架层”实现递归自我改进的双层系统：内层研究智能体在AI研发任务上优化代码，外层智能体改写内层智能体本身，在一次8天自主运行中接受了七项连续改进，这些改进迁移到四个未参与选择的基准（含分布外的物理天气预报任务），并在一个未优化的行为指标上把奖励黑客率从55%降至32%。
该工作提出AIDE²，一个在智能体“框架层”实现递归自我改进的双层系统：内层研究智能体在AI研发任务上优化代码，外层智能体改写内层智能体本身，在一次8天自主运行中接受了七项连续改进，这些改进迁移到四个未参与选择的基准（含分布外的物理天气预报任务），并在一个未优化的行为指标上把奖励黑客率从55%降至32%。
AI研究智能体的递归自我改进：AIDE²在8天自主运行中发现七项连续改进
该工作提出AIDE²，一个在智能体“框架层”实现递归自我改进的双层系统：内层研究智能体在AI研发任务上优化代码，外层智能体改写内层智能体本身，在一次8天自主运行中接受了七项连续改进，这些改进迁移到四个未参与选择的基准（含分布外的物理天气预报任务），并在一个未优化的行为指标上把奖励黑客率从55%降至32%。
该工作提出AIDE²，一个在智能体“框架层”实现递归自我改进的双层系统：内层研究智能体在AI研发任务上优化代码，外层智能体改写内层智能体本身，在一次8天自主运行中接受了七项连续改进，这些改进迁移到四个未参与选择的基准（含分布外的物理天气预报任务），并在一个未优化的行为指标上把奖励黑客率从55%降至32%。
bioRxiv 2026年9月17日
该研究以日本两座生态条件迥异的湖泊（深水分层的琵琶湖与浅水富营养化的霞浦湖）长达30年的月度水质监测记录为数据基础，将Transformer架构的Chronos-T5与概率模型Lag-Llama两个时间序列基础模型，同15个统计（AR、ARIMA、SARIMA、Prophet）、机器学习（随机森林、XGBoost、KNN、SVR）与深度学习（LSTM、CNN、TCN及SSA混合）模型进行基准比较，发现微调后的Chronos-T5在全部六个监测站点均排名第一，对溶解氧、水温、pH及氮磷营养盐等参数取得R²>0.80–1.00的高精度，而叶绿素a在所有模型中R²均低于0.30，并识别出约14年的最
该研究以日本两座生态条件迥异的湖泊（深水分层的琵琶湖与浅水富营养化的霞浦湖）长达30年的月度水质监测记录为数据基础，将Transformer架构的Chronos-T5与概率模型Lag-Llama两个时间序列基础模型，同15个统计（AR、ARIMA、SARIMA、Prophet）、机器学习（随机森林、XGBoost、KNN、SVR）与深度学习（LSTM、CNN、TCN及SSA混合）模型进行基准比较，发现微调后的Chronos-T5在全部六个监测站点均排名第一，对溶解氧、水温、pH及氮磷营养盐等参数取得R²>0.80–1.00的高精度，而叶绿素a在所有模型中R²均低于0.30，并识别出约14年的最
时间序列基础模型实现湖泊生态系统精准预测
该研究以日本两座生态条件迥异的湖泊（深水分层的琵琶湖与浅水富营养化的霞浦湖）长达30年的月度水质监测记录为数据基础，将Transformer架构的Chronos-T5与概率模型Lag-Llama两个时间序列基础模型，同15个统计（AR、ARIMA、SARIMA、Prophet）、机器学习（随机森林、XGBoost、KNN、SVR）与深度学习（LSTM、CNN、TCN及SSA混合）模型进行基准比较，发现微调后的Chronos-T5在全部六个监测站点均排名第一，对溶解氧、水温、pH及氮磷营养盐等参数取得R²>0.80–1.00的高精度，而叶绿素a在所有模型中R²均低于0.30，并识别出约14年的最
该研究以日本两座生态条件迥异的湖泊（深水分层的琵琶湖与浅水富营养化的霞浦湖）长达30年的月度水质监测记录为数据基础，将Transformer架构的Chronos-T5与概率模型Lag-Llama两个时间序列基础模型，同15个统计（AR、ARIMA、SARIMA、Prophet）、机器学习（随机森林、XGBoost、KNN、SVR）与深度学习（LSTM、CNN、TCN及SSA混合）模型进行基准比较，发现微调后的Chronos-T5在全部六个监测站点均排名第一，对溶解氧、水温、pH及氮磷营养盐等参数取得R²>0.80–1.00的高精度，而叶绿素a在所有模型中R²均低于0.30，并识别出约14年的最
ACM Journal on Computing and Sustainable Societies 2026年9月16日
该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。
该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。
提示的不可承受之轻：设计教育中使用生成式AI的环境影响批判性反思
该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。
该论文以2023年一场有49名学生参与的研讨会为动因案例，批判性地反思了设计教育中使用生成式AI的能源成本，并提出五组替代立场及相关行动，以支持在设计教育中有意识地使用生成式AI。
Climatic Change 2026年9月16日
本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。
本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。
生成式辟谣：用大语言模型自动生成气候变化虚假信息的“真相三明治”式反驳
本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。
本研究提出“生成式辟谣”框架，将气候变化反智主张分类（CARDS）与谬误检测（FLICC）整合进大语言模型的提示流程，使模型接收一条气候迷思后输出符合“事实—迷思—谬误—事实”（真相三明治）结构的辟谣文本；作者用三种复杂度递增的提示策略分别搭配GPT-4、Palm2与Mixtral，并由四位作者（含一位气候虚假信息专家）对20条迷思生成的60份辟谣按事实、谬误、结构分项评分，结果显示GPT-4配简单提示与Mixtral配结构化提示表现较好，谬误解释得分普遍高于事实部分，且非专家标注者与专家之间在事实质量上一致性较差。
Journal of the European Meteorological Society. 2026年9月16日
这篇由Peter Dueben、Peter Bauer、Oliver Fuhrer、Nikolay Koldunov和Jørn Kristiansen撰写的文章指出，在机器学习已能产出与复杂传统系统预报技巧相当的天气预报之后，应把注意力从预报输出转向支撑预报系统的工作实践，并论证机器学习与近期数字技术将重塑预报价值链的各个环节——模型如何编码与开发、观测与地球系统数据如何被利用、数据与算力如何管理、系统如何被检验，以及信息如何被创造、评估并转化为服务；文章讨论了六个非穷尽的方向，其中智能体软件工程、开放与压缩数据、共享检验工作流、交互式计算和生成式方法可能使建模、评估与服务创建更快、更具交互性且更易获得
这篇由Peter Dueben、Peter Bauer、Oliver Fuhrer、Nikolay Koldunov和Jørn Kristiansen撰写的文章指出，在机器学习已能产出与复杂传统系统预报技巧相当的天气预报之后，应把注意力从预报输出转向支撑预报系统的工作实践，并论证机器学习与近期数字技术将重塑预报价值链的各个环节——模型如何编码与开发、观测与地球系统数据如何被利用、数据与算力如何管理、系统如何被检验，以及信息如何被创造、评估并转化为服务；文章讨论了六个非穷尽的方向，其中智能体软件工程、开放与压缩数据、共享检验工作流、交互式计算和生成式方法可能使建模、评估与服务创建更快、更具交互性且更易获得
机器学习正在重塑天气预报：下一步是工作方式的改变
这篇由Peter Dueben、Peter Bauer、Oliver Fuhrer、Nikolay Koldunov和Jørn Kristiansen撰写的文章指出，在机器学习已能产出与复杂传统系统预报技巧相当的天气预报之后，应把注意力从预报输出转向支撑预报系统的工作实践，并论证机器学习与近期数字技术将重塑预报价值链的各个环节——模型如何编码与开发、观测与地球系统数据如何被利用、数据与算力如何管理、系统如何被检验，以及信息如何被创造、评估并转化为服务；文章讨论了六个非穷尽的方向，其中智能体软件工程、开放与压缩数据、共享检验工作流、交互式计算和生成式方法可能使建模、评估与服务创建更快、更具交互性且更易获得
这篇由Peter Dueben、Peter Bauer、Oliver Fuhrer、Nikolay Koldunov和Jørn Kristiansen撰写的文章指出，在机器学习已能产出与复杂传统系统预报技巧相当的天气预报之后，应把注意力从预报输出转向支撑预报系统的工作实践，并论证机器学习与近期数字技术将重塑预报价值链的各个环节——模型如何编码与开发、观测与地球系统数据如何被利用、数据与算力如何管理、系统如何被检验，以及信息如何被创造、评估并转化为服务；文章讨论了六个非穷尽的方向，其中智能体软件工程、开放与压缩数据、共享检验工作流、交互式计算和生成式方法可能使建模、评估与服务创建更快、更具交互性且更易获得
Nature News 2026年9月15日
这篇 Nature 新闻报道梳理了全球近 30 个国家正在钻探寻找地下天然氢（地质氢）的现状：自 2023 年以来风险投资已投入近 5 亿美元，2024 年一项分析估计地球地下可能含数十万亿吨该气体，若其中一小部分能以有利润的方式开采，或可满足 200 年的清洁能源需求，但迄今尚无人知道是否存在足够大的可开采储层，未来数月内多口钻井的结果将提供关键线索。
这篇 Nature 新闻报道梳理了全球近 30 个国家正在钻探寻找地下天然氢（地质氢）的现状：自 2023 年以来风险投资已投入近 5 亿美元，2024 年一项分析估计地球地下可能含数十万亿吨该气体，若其中一小部分能以有利润的方式开采，或可满足 200 年的清洁能源需求，但迄今尚无人知道是否存在足够大的可开采储层，未来数月内多口钻井的结果将提供关键线索。
地下氢气能否掀起绿色能源革命：勘探热潮与未知资源量
这篇 Nature 新闻报道梳理了全球近 30 个国家正在钻探寻找地下天然氢（地质氢）的现状：自 2023 年以来风险投资已投入近 5 亿美元，2024 年一项分析估计地球地下可能含数十万亿吨该气体，若其中一小部分能以有利润的方式开采，或可满足 200 年的清洁能源需求，但迄今尚无人知道是否存在足够大的可开采储层，未来数月内多口钻井的结果将提供关键线索。
这篇 Nature 新闻报道梳理了全球近 30 个国家正在钻探寻找地下天然氢（地质氢）的现状：自 2023 年以来风险投资已投入近 5 亿美元，2024 年一项分析估计地球地下可能含数十万亿吨该气体，若其中一小部分能以有利润的方式开采，或可满足 200 年的清洁能源需求，但迄今尚无人知道是否存在足够大的可开采储层，未来数月内多口钻井的结果将提供关键线索。
RSC Advances 2026年9月14日
该研究以红辣椒（Capsicum annuum L.）籽提取物为天然还原剂与封端剂绿色合成Ag/MgO纳米复合材料，在自然太阳光下系统考察辐照时间、催化剂投加量、Ag负载量、pH、初始双氯芬酸浓度、电解质种类与浓度及光源等条件对降解的影响，发现10% Ag/MgO活性最高，可在180分钟内降解80%的10 mg/L双氯芬酸，并通过自由基捕获实验识别羟基自由基为主要活性物种，同时构建经电鳗觅食优化（EEFO）算法调参的决策树-最小二乘提升（DT_LSBoost）模型（R=0.9999，RMSE=1.2×10⁻³）并开发MATLAB图形界面用于快速预测降解性能。
该研究以红辣椒（Capsicum annuum L.）籽提取物为天然还原剂与封端剂绿色合成Ag/MgO纳米复合材料，在自然太阳光下系统考察辐照时间、催化剂投加量、Ag负载量、pH、初始双氯芬酸浓度、电解质种类与浓度及光源等条件对降解的影响，发现10% Ag/MgO活性最高，可在180分钟内降解80%的10 mg/L双氯芬酸，并通过自由基捕获实验识别羟基自由基为主要活性物种，同时构建经电鳗觅食优化（EEFO）算法调参的决策树-最小二乘提升（DT_LSBoost）模型（R=0.9999，RMSE=1.2×10⁻³）并开发MATLAB图形界面用于快速预测降解性能。
红辣椒籽废弃物绿色合成Ag/MgO纳米复合材料用于太阳光驱动双氯芬酸降解：实验研究与EEFO优化DT_LSBoost预测建模
该研究以红辣椒（Capsicum annuum L.）籽提取物为天然还原剂与封端剂绿色合成Ag/MgO纳米复合材料，在自然太阳光下系统考察辐照时间、催化剂投加量、Ag负载量、pH、初始双氯芬酸浓度、电解质种类与浓度及光源等条件对降解的影响，发现10% Ag/MgO活性最高，可在180分钟内降解80%的10 mg/L双氯芬酸，并通过自由基捕获实验识别羟基自由基为主要活性物种，同时构建经电鳗觅食优化（EEFO）算法调参的决策树-最小二乘提升（DT_LSBoost）模型（R=0.9999，RMSE=1.2×10⁻³）并开发MATLAB图形界面用于快速预测降解性能。
该研究以红辣椒（Capsicum annuum L.）籽提取物为天然还原剂与封端剂绿色合成Ag/MgO纳米复合材料，在自然太阳光下系统考察辐照时间、催化剂投加量、Ag负载量、pH、初始双氯芬酸浓度、电解质种类与浓度及光源等条件对降解的影响，发现10% Ag/MgO活性最高，可在180分钟内降解80%的10 mg/L双氯芬酸，并通过自由基捕获实验识别羟基自由基为主要活性物种，同时构建经电鳗觅食优化（EEFO）算法调参的决策树-最小二乘提升（DT_LSBoost）模型（R=0.9999，RMSE=1.2×10⁻³）并开发MATLAB图形界面用于快速预测降解性能。

已显示全部结果

第 5 页 · 当前显示 8 项