学科: 统计学

大地震的发生和小地震一样具有随机性，而非人们常认为的周期性或准周期性。本研究分析了尼泊尔拉拉湖6000年沉积岩芯中记录的50次古地震事件，发现其发生时间间隔严格符合泊松分布（即随机过程），仅在短时间尺度上存在微弱的成簇现象。这意味着无法准确预测大地震何时发生，地震危险性评估需大幅上调。

标签: 古地震学 地震危险性评估 大地震随机性 泊松分布 浊积岩

埃默里大学物理学家提出一种新框架，将纷繁复杂的AI方法系统化，像‘元素周期表’一样分类整理。它帮开发者根据具体问题，快速设计更准、更省、更可靠的AI模型，普通人也能看懂：AI不是黑箱，而是可理解、可调控的信息压缩工具。

标签: AI可解释性 信息瓶颈 多模态AI 损失函数 物理启发的机器学习

识别驱动复杂性状和疾病的因果变异及其机制是人类遗传学的核心问题。本研究利用大规模平行报告基因测定，在5种细胞类型中检测22万余个精细定位的变异，鉴定出1.3万余个调控变异，通过饱和突变探索其机制并发现调控上位性，为理解疾病风险的调控规则提供新见解。

标签: 因果变异 复杂性状 大规模平行报告基因测定 调控机制 饱和突变

识别催化剂以优化新反应的对映选择性是一大挑战，现有统计模型存在数据稀疏和参数描述问题。本研究提出一种考虑对映决定步骤变化的描述符策略，通过镍催化C(sp3)-偶联反应案例，训练出可优化反应、适用于新配体和底物的模型，助力催化剂开发。

标签: 催化剂开发 对映选择性 描述符策略 统计模型 镍催化C(sp3)-偶联 (nickel-catalyzed-Csp3-coupling)

全球多地网站自9月起遭来自中国兰州和新加坡的大量机器人访问，这些机器人伪装成人类，流量巨大，导致数据失真、带宽成本上升等问题，疑似与AI数据采集有关。

标签: AI数据采集 中国机器人流量 云服务器 兰州 网站流量异常

数据同化（DA）整合观测数据与模型预测生成优化大气状态，其物理一致性对天气预报和气候研究至关重要。传统贝叶斯DA方法通过经验协方差结构施加物理约束，但准确性和稳健性有限。本研究提出潜空间DA（LDA）框架，利用自编码器从全球大气数据中学习潜空间并进行贝叶斯DA。LDA能捕捉非线性物理关系，无需显式建模约束即可生成平衡分析结果，在理想和真实观测场景下均提升分析质量和预报技巧，且对潜空间维度和训练数据误差具有强稳健性，具备实际应用潜力。

标签: 大气数据同化 机器学习 潜空间数据同化 物理一致性 自编码器

过去研究认为新物种发现率在1900年左右达峰且现存约200万种，但本研究发现近20年（2000-2020）物种描述率加速，每年新增物种数创历史新高，动物、节肢动物等大类群增长最快。未来预测需谨慎，但植物、真菌等类群或有超乎预期的物种丰富度。

标签: 分类群 未来预测 物种丰富度 物种描述率 生物多样性

研究显示太阳系运动速度比现有模型预测快三倍多，这与标准宇宙学预期矛盾，迫使我们重新审视先前假设。

标签: 太阳系运动 宇宙各向异性 射电星系 标准宇宙学模型

人工智能如何重塑全球经济？经济学家预测不一。当前研究存在时效性和效应范围局限，社会科学可通过社会科幻、前瞻性数据等方法，帮助理解其经济影响并指导政策。

标签: 人工智能 全球经济 社会科学 社会科幻 经济影响

2021年加拿大遭遇极端热浪，研究用天气预报模型模拟当前、前工业和未来情景，发现当前气候下热浪相关死亡或比实际高30%，11-15%的死亡归因于气候变化；若未来发生类似事件，归因比例将达16-31%。该方法可靠，可用于决策和法律场景。

标签: 天气预报模型 归因分析 气候变化 热浪 高温死亡率