研究认为火星的地下水补给量极少 与地球的水动力学存在巨大差异

研究认为火星的地下水补给量极少 与地球的水动力学存在巨大差异 德克萨斯大学奥斯汀分校的一名研究生利用一系列方法从计算机模型到简单的信封背面计算对含水层的地下水补给动态进行建模，从而发现了这一发现。2021年8月阿联酋火星任务拍摄的火星真面目。图片来源：Kevin M. Gill火星上的地下水补给无论复杂程度如何，结果都趋于一致平均每年地下水补给量只有微不足道的 0.03 毫米。这意味着，在模型中，无论哪里降雨，平均每年只有 0.03 毫米的雨水可以进入地下蓄水层，并依然形成今天地球上的地貌。相比之下，为圣安东尼奥供水的特尼狄和爱德华兹-特尼狄高原含水层的地下水年补给率一般为每年 2.5 至 50 毫米，约为研究人员计算的火星含水层补给率的 80 至 1600 倍。第一作者、杰克逊地球科学学院博士生埃里克-希亚特（Eric Hiatt）说，地下水流速如此之低有多种潜在原因。下雨时，水可能主要以径流的形式冲过火星地表。也可能根本就没下什么雨。对火星气候和探索的影响这些发现有助于科学家确定早期火星上能够产生降雨的气候条件。这些发现还表明，红色星球上的水环境与今天地球上的水环境截然不同。希亚特说："事实上，地下水并不是一个重要的过程，这可能意味着还有其他东西在起作用。这可能放大了径流的重要性，也可能意味着火星上没有下那么多雨。但这与我们在地球上思考[水]的方式有着根本的不同。"该研究成果发表在《Icarus》杂志上。论文的共同作者是杰克逊学院的博士生穆罕默德-阿夫扎尔-沙达布（Mohammad Afzal Shadab），以及学院教师肖恩-古利克（Sean Gulick）、蒂莫西-古奇（Timothy Goudge）和马克-赫塞（Marc Hesse）。主要作者、德克萨斯大学奥斯汀分校杰克逊地球科学学院博士生埃里克-希亚特（Eric Hiatt）与火星地球仪。图片来源：德克萨斯大学奥斯汀分校/杰克逊地球科学学院研究中使用的模型是通过模拟地下水在"稳定状态"下的流动，在这种状态下，流入含水层的水和流出含水层的水是平衡的。然后，科学家改变影响水流的参数，例如降雨地点或岩石的平均孔隙率，并观察要保持稳定状态还需要改变哪些变量，以及这些费用的合理性。虽然其他研究人员已经使用类似技术模拟了火星上的地下水流，但这一模型是首次将 30 多亿年前火星表面的希腊、阿尔盖尔和伯勒里斯盆地中存在的海洋的影响纳入其中。这项研究还纳入了卫星收集的现代地形数据。希亚特说，现代地貌仍然保留着地球上最古老、最具影响力的地形特征之一北半球（低地）与南半球（高地）之间的极端高差，即所谓的"大二分法"。二分法保留了过去地下水上涌的迹象，即地下水从含水层上升到地表。研究人员利用这些过去上升流事件的地质标记来评估不同的模型输出结果。在不同的模型中，研究人员发现每年 0.03 毫米的平均地下水补给率与已知的地质记录最为吻合。这项研究不仅仅是为了了解红色星球的过去。它对未来的火星探索也有影响。希亚特说，了解地下水流有助于知道今天在哪里可以找到水。无论你是在寻找远古生命的迹象，还是在努力维持人类探险者的生命，抑或是在制造火箭燃料返回地球家园，知道水最有可能在哪里都是至关重要的。编译自:ScitechDaily ... PC版： 手机版：

Google的秘密AI模型未来很可能在难题数学领域打败人类

Google的秘密AI模型未来很可能在难题数学领域打败人类 上周，双子座人工智能模型的最新技术报告公布了其最新数学成绩的详细信息。这份相当厚重的文件显示，Google打算模仿数学家接受的训练来解决复杂的问题，为了实现这一目标，该公司对其双子座人工智能模型进行了专门的变体训练。Gemini 1.5 Pro 的数学变体似乎经过了多项基准测试。根据其文件，Google依靠各种基准来评估其最新人工智能数学模型的输出。这些基准包括 MATH 基准、美国数学邀请考试 (American Invitational Mathematics Examination, AIME) 和Google内部的 HiddenMath 基准。根据Google的数据，数学型 Gemini 1.5 Pro 在数学基准测试中的表现"与人类专家的表现相当"，与标准的非数学型 Gemini 1.5 Pro 相比，数学型 Gemini 1.5 Pro 在 AIME 基准测试中解决的问题明显增多，在其他基准测试中的得分也有所提高。Google还举例说明了 Gemini 1.5 Pro 所解决的问题。根据该文件，这些问题是"Gemini 1.5 Pro、GPT-4 Turbo 和以前所有 Gemini 型号都 没有正确解决的问题"，最终提高了Google产品的性能标准。在它分享的三个示例中，两个是由数学专用的 Gemini 1.5 Pro 解决的，而一个是由标准的 Gemini 1.5 Pro 变体错误解决的。这些问题通常要求解题者回忆代数中的基本数学公式，并依靠它们的分段和其他数学规则得出正确答案。除了问题之外，Google还分享了 Gemini 1.5 Pro 基准测试的重要细节。这些数据表明，在所有五项基准测试成绩中，Gemini 1.5 Pro 都领先于 GPT-4 Turbo 和亚马逊的 Claude。据Google公司称，其数学专用变体能够"从单个样本中获得 80.6% 的 MATH 基准准确率，在对 256 个解决方案进行采样并选择一个候选答案时（rm@256），准确率达到91.1%"，这一成就使其与人类专家处于同等水平。事实上，根据Google深度思维首席科学家杰夫-迪恩（Jeff Dean）的说法，数学模型91.1%的得分大大高于三年前仅为6.9%的"SOTA"（最先进水平）得分。 ... PC版： 手机版：