麻省理工学院的新型人工智能模型能准确预测人类行为

麻省理工学院的新型人工智能模型能准确预测人类行为 要建立能与人类有效协作的人工智能系统，首先要有一个良好的人类行为模型。但是，人类在做出决策时往往会有一些次优行为。这种非理性尤其难以建模，通常归结为计算上的限制。人类不可能花几十年的时间去思考一个问题的理想解决方案。开发新的建模方法麻省理工学院和华盛顿大学的研究人员开发了一种为代理（无论是人类还是机器）的行为建模的方法，这种方法考虑到了可能妨碍代理解决问题能力的未知计算限制。他们的模型只需看到代理之前的一些行为痕迹，就能自动推断出代理的计算限制。其结果，即一个代理的所谓"推理预算"，可用于预测该代理的未来行为。实际应用和模型验证在一篇新论文中，研究人员展示了他们的方法如何用于从先前的路线推断某人的导航目标，以及预测棋手在国际象棋比赛中的后续行动。他们的技术与另一种用于此类决策建模的流行方法不相上下，甚至更胜一筹。最终，这项工作可以帮助科学家教会人工智能系统人类的行为方式，从而使这些系统能够更好地回应人类合作者。电子工程与计算机科学（EECS）研究生、这一技术相关论文的第一作者阿图尔-保罗-雅各布（Athul Paul Jacob）说，能够理解人类的行为，然后从这种行为推断出他们的目标，会让人工智能助手变得更有用。"如果我们知道人类即将犯错，看到他们以前的行为方式，人工智能代理可以介入并提供更好的方法。或者，人工智能代理可以适应人类合作者的弱点。"他说："能够为人类行为建模，是建立一个能够真正帮助人类的人工智能代理的重要一步。"雅各布与华盛顿大学助理教授阿比舍克-古普塔（Abhishek Gupta）以及资深作者雅各布-安德烈亚斯（Jacob Andreas）共同撰写了这篇论文，雅各布-安德烈亚斯是电子工程科学系副教授和计算机科学与人工智能实验室（CSAIL）成员。这项研究将在学习表征国际会议（International Conference on Learning Representations）上发表。行为建模几十年来，研究人员一直在建立人类行为的计算模型。许多先前的方法都试图通过在模型中加入噪音来解释次优决策。模型可能会让代理人在 95% 的情况下做出正确的选择，而不是让代理人总是选择正确的选项。然而，这些方法可能无法捕捉到这样一个事实，即人类并不总是以同样的方式做出次优行为。麻省理工学院的其他人还研究了在决策不理想的情况下制定计划和推断目标的更有效方法。为了建立他们的模型，雅各布和他的合作者从之前对国际象棋选手的研究中汲取了灵感。他们注意到，棋手在走简单的棋步时，在行动前花费的思考时间较少，而在具有挑战性的比赛中，实力较强的棋手往往比实力较弱的棋手花费更多的时间进行规划。雅各布说："最后，我们发现，规划的深度，或者说一个人思考问题的时间长短，可以很好地代表人类的行为方式。"他们建立了一个框架，可以从先前的行动中推断出代理的规划深度，并利用该信息来模拟代理的决策过程。方法的第一步是在一定时间内运行算法，以解决所研究的问题。例如，如果研究的是一场国际象棋比赛，他们可能会让下棋算法运行一定步数。最后，研究人员可以看到算法在每一步做出的决定。他们的模型会将这些决策与解决相同问题的代理行为进行比较。它将使代理的决策与算法的决策保持一致，并确定代理停止规划的步骤。由此，模型可以确定代理的推理预算，或该代理将为这一问题计划多长时间。它可以利用推理预算来预测该代理在解决类似问题时会如何反应。可解释的解决方案这种方法非常高效，因为研究人员无需做任何额外工作，就能获取解决问题的算法所做的全部决策。这一框架也可应用于任何可以用某一类算法解决的问题。"对我来说，最令人震惊的是，这种推理预算是非常可解释的。它是说，更难的问题需要更多的规划，或者说，成为一名强者意味着需要更长时间的规划。"雅各布说："我们刚开始着手做这件事的时候，并没有想到我们的算法能够自然而然地发现这些行为。"研究人员在三个不同的建模任务中测试了他们的方法：从先前的路线推断导航目标、从某人的语言暗示猜测其交流意图，以及预测人与人国际象棋比赛中的后续棋步。在每次实验中，他们的方法要么与流行的替代方法相匹配，要么优于后者。此外，研究人员还发现，他们的人类行为模型与棋手技能（国际象棋比赛）和任务难度的测量结果非常吻合。展望未来，研究人员希望利用这种方法为其他领域的规划过程建模，例如强化学习（机器人技术中常用的一种试错方法）。从长远来看，他们打算在这项工作的基础上继续努力，以实现开发更有效的人工智能合作者这一更远大的目标。编译来源：ScitechDaily ... PC版： 手机版：

最近我身边有些人被这位清华大学和麻省理工毕业的物理老师圈粉了。没错！他就是搜狐创始人张朝阳。距离“查尔斯·张”从麻省理工学院博士

最近我身边有些人被这位清华大学和麻省理工毕业的物理老师圈粉了。没错！他就是搜狐创始人张朝阳。距离“查尔斯·张”从麻省理工学院博士毕业已经有28年了，他在物理专业的知识竟然一点也没有丢，洗尽铅华，他终于找到了自己喜欢做的事情，也是人生一大幸事！#张朝阳是被搜狐耽误的物理学家？# #抽屉IT

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋 利用一种被称为深度学习的人工智能，麻省理工学院的研究人员发现了一类化合物，这种化合物可以杀死一种耐药细菌，这种细菌每年导致美国一万多人死亡。在最近发表于《自然》（Nature）的一项研究中，研究人员发现这些化合物可以杀死在实验室培养皿中生长的耐甲氧西林金黄色葡萄球菌（MRSA），以及在两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌。这些化合物对人体细胞的毒性也很低，因此特别适合作为候选药物。这项新研究的一个关键创新点是，研究人员还弄清了深度学习模型在预测抗生素效力时使用了哪些信息。这些知识可以帮助研究人员设计出更多的药物，它们可能比模型识别出的药物效果更好。"我们的洞察力在于，我们可以看到模型学习到了什么，从而预测出某些分子会成为很好的抗生素。"麻省理工学院医学工程与科学研究所（IMES）和生物工程系的特米尔医学工程与科学教授詹姆斯-柯林斯（James Collins）说："我们的工作提供了一个框架，从化学结构的角度来看，它既省时、省资源，又具有机理上的洞察力。"这项研究是麻省理工学院"抗生素-人工智能项目"（Antibiotics-AI Project）的一部分，该项目由柯林斯领导。该项目是麻省理工学院抗生素-人工智能项目的一部分。该项目由柯林斯领导，其任务是在七年内发现针对七种致命细菌的新型抗生素。用人工智能应对 MRSA在美国，每年有超过 8 万人感染 MRSA，它通常会引起皮肤感染或肺炎。严重病例可导致败血症，这是一种可能致命的血液感染。在过去几年里，柯林斯和他在麻省理工学院阿卜杜勒-拉蒂夫-贾米尔健康机器学习诊所（Jameel Clinic）的同事们开始利用深度学习尝试寻找新的抗生素。他们的工作已经产生了针对鲍曼不动杆菌（一种常见于医院的细菌）和许多其他耐药细菌的潜在药物。这些化合物是利用深度学习模型确定的，该模型可以学习识别与抗菌活性相关的化学结构。然后，这些模型会筛选数百万种其他化合物，预测哪些化合物可能具有较强的抗菌活性。事实证明，这类搜索富有成效，但这种方法的一个局限是，模型是"黑盒子"，也就是说，无法知道模型是根据什么特征进行预测的。如果科学家们知道模型是如何做出预测的，他们就能更容易地找出或设计出更多的抗生素。黄说："我们在这项研究中要做的就是打开黑盒子。这些模型由大量模拟神经连接的计算组成，没有人真正知道这底下发生了什么"。提高人工智能的预测准确性首先，研究人员使用大幅扩展的数据集训练了一个深度学习模型。他们通过测试约 3.9 万种化合物对 MRSA 的抗生素活性生成了这些训练数据，然后将这些数据以及化合物的化学结构信息输入模型。Wong说："基本上可以将任何分子表示为化学结构，还可以告诉模型该化学结构是否具有抗菌性。这个模型是在许多这样的例子中训练出来的。如果你给它任何新的分子、新的原子和化学键排列，它就能告诉你该化合物被预测为抗菌的概率。"为了弄清该模型是如何做出预测的，研究人员采用了一种被称为蒙特卡洛树搜索的算法，这种算法已被用来帮助使其他深度学习模型（如AlphaGo）更易于解释。这种搜索算法不仅能让模型对每种分子的抗菌活性做出估计，还能预测该分子的哪些亚结构可能会产生这种活性。人工智能驱动的药物发现过程为了进一步缩小候选药物的范围，研究人员又训练了三个深度学习模型，以预测化合物是否对三种不同类型的人体细胞有毒。通过将这些信息与抗菌活性预测相结合，研究人员发现了既能杀死微生物，又能对人体产生最小不良影响的化合物。利用这组模型，研究人员筛选了大约 1200 万种化合物，所有这些化合物都可以在市场上买到。根据分子中的化学子结构，模型从这些化合物中识别出了五种不同类别的化合物，这些化合物预计对 MRSA 具有活性。有希望的成果和未来方向研究人员购买了大约 280 种化合物，并对它们进行了针对在实验室培养皿中生长的 MRSA 的测试，从而确定了同一类中的两种似乎非常有希望成为候选抗生素的化合物。在两种小鼠模型（一种是 MRSA 皮肤感染模型，另一种是 MRSA 全身感染模型）的测试中，每种化合物都能将 MRSA 的数量减少 10 倍。实验发现，这些化合物似乎通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。许多关键的细胞功能都需要这种梯度，包括产生 ATP（细胞用来储存能量的分子）的能力。柯林斯实验室在 2020 年发现的一种候选抗生素Halicin似乎也是通过类似的机制发挥作用的，但它对革兰氏阴性细菌（细胞壁较薄的细菌）具有特异性。MRSA 是一种革兰氏阳性细菌，细胞壁较厚。Wong说："我们有相当有力的证据表明，这种新的结构类药物通过选择性地消散细菌中的质子动力，对革兰氏阳性病原体具有活性。这些分子选择性地攻击细菌细胞膜，而不会对人类细胞膜造成实质性损害。我们大幅增强的深度学习方法使我们能够预测这一类新结构的抗生素，并发现它对人类细胞没有毒性。"研究人员与Phare Bio 分享了他们的研究成果，Phare Bio 是柯林斯等人创办的非营利组织，也是抗生素人工智能项目的一部分。该非营利组织目前计划对这些化合物的化学特性和潜在临床用途进行更详细的分析。与此同时，柯林斯的实验室正在根据新研究的结果设计更多的候选药物，并利用这些模型寻找能杀死其他类型细菌的化合物。Wong说："我们已经在利用基于化学子结构的类似方法来重新设计化合物，当然，我们也可以随时采用这种方法来发现针对不同病原体的新型抗生素。"编译自:ScitechDaily ... PC版： 手机版：

麻省理工学院的新型无钴有机电池材料将为电动汽车带来革命性变革

麻省理工学院的新型无钴有机电池材料将为电动汽车带来革命性变革 在一项新的研究中，研究人员表明，这种材料的生产成本远远低于含钴电池，其导电率与钴电池相似。研究人员报告说，这种新型电池的储电量也与钴电池相当，而且充电速度也比钴电池快。麻省理工学院 W.M. Keck 能源学教授 Mircea Dincă 说："我认为这种材料可以产生很大的影响，因为它的效果非常好。它与现有技术相比已经很有竞争力，而且它可以节省大量成本，并避免目前用于电池的金属开采所带来的痛苦和环境问题。"Dincă是这项研究的资深作者，研究报告最近发表在《ACS Central Science》杂志上。23 岁的陈天阳博士和麻省理工学院前博士后哈里什-班达（Harish Banda）是论文的主要作者。其他作者包括麻省理工学院博士后王建德、麻省理工学院研究生朱利叶斯-奥本海姆（Julius Oppenheim）和博洛尼亚大学研究员亚历山德罗-弗朗切斯基（Alessandro Franceschi）。大多数电动汽车都由锂离子电池驱动，这种电池的充电原理是锂离子从一个正电极（称为阴极）流向一个负电极（称为阳极）。在大多数锂离子电池中，阴极都含有钴，这是一种具有高稳定性和高能量密度的金属。然而，钴也有很大的缺点。钴是一种稀缺金属，其价格会大幅波动，而且世界上大部分钴矿床都位于政局不稳的国家。钴的开采会造成危险的工作环境，并产生有毒废物，污染矿区周围的土地、空气和水源。"钴电池可以储存大量的能量，在性能方面也具备人们所关心的所有特性，但它们存在供应不广的问题，而且成本会随着商品价格而大幅波动。"Dincă说："随着消费市场中电气化汽车的比例越来越高，成本肯定会越来越高。"由于钴有这样那样的缺点，因此人们进行了大量研究，试图开发替代电池材料。其中一种材料是磷酸铁锂（LFP），一些汽车制造商已开始在电动汽车中使用这种材料。尽管锂-铁-磷酸酯电池仍有实际用途，但其能量密度只有钴和镍电池的一半左右。另一种有吸引力的选择是有机材料，但迄今为止，大多数此类材料在导电性、存储容量和使用寿命方面都无法与含钴电池相媲美。由于导电率低，这类材料通常需要与聚合物等粘合剂混合，以帮助它们维持导电网络。这些粘合剂至少占整个材料的 50%，会降低电池的存储容量。大约六年前，在兰博基尼的资助下，Dincă的实验室开始进行一个项目，开发一种可为电动汽车提供动力的有机电池。在研究部分有机、部分无机的多孔材料时，Dincă和他的学生意识到，他们制造的一种完全有机的材料似乎是一种强导体。这种材料由多层 TAQ（双四氨基苯醌）组成，TAQ 是一种有机小分子，含有三个融合的六角环。这些层可以向各个方向延伸，形成类似石墨的结构。分子中含有称为醌和胺的化学基团，前者是电子库，后者有助于材料形成牢固的氢键。这些氢键使材料高度稳定，同时也非常不溶解。这种不溶性非常重要，因为它可以防止材料像某些有机电池材料那样溶解到电池电解液中，从而延长其使用寿命。Dincă 说："有机材料降解的主要方法之一是溶解到电池电解液中，并进入电池的另一端，从而形成短路。如果使材料完全不溶解，这个过程就不会发生，因此我们可以在最少降解的情况下进行 2000 多个充电循环。Dincă对这种材料的测试表明，其导电性和存储容量与传统的含钴电池相当。此外，与现有电池相比，使用 TAQ 阴极的电池充放电速度更快，可加快电动汽车的充电速度。为了稳定有机材料并提高其附着在铜或铝制成的电池集流器上的能力，研究人员添加了纤维素和橡胶等填充材料。这些填料占整个阴极复合材料的比例不到十分之一，因此不会显著降低电池的存储容量。这些填料还能在电池充电时防止锂离子流入阴极，从而延长电池阴极的使用寿命。制造这种阴极所需的主要材料是一种醌前体和一种胺前体，它们作为商品化学品已经在市场上大量供应和生产。研究人员估计，组装这些有机电池的材料成本大约是钴电池成本的三分之一到二分之一。兰博基尼已经获得了这项技术的专利许可。Dincă 的实验室计划继续开发替代电池材料，并正在探索用钠或镁替代锂的可能性，因为钠或镁比锂更便宜、更丰富。编译来源：ScitechDaily ... PC版： 手机版：

麻省理工学院物理学家首次捕捉到超流体"第二声音"的直接图像

麻省理工学院物理学家首次捕捉到超流体"第二声音"的直接图像 麻省理工学院的物理学家首次捕捉到了"第二声音"的直接图像，即在超流体中来回晃动的热量运动。这些成果将拓展科学家对超导体和中子星中热流的理解。资料来源：Jose-Luis Olivares，麻省理工学院麻省理工学院的秒声可视化技术为理解超流体中热量的波状行为及其对各种物质状态的影响开辟了新的道路，拓展了科学家对超导体和中子星中热流的理解。新图像揭示了热量如何像波浪一样来回"晃动"，即使材料的物理物质可能以完全不同的方式运动。这些图像捕捉到了热量的纯粹运动，与材料的粒子无关。"这就好比你有一缸水，让其中一半几乎沸腾，"助理教授理查德-弗莱彻打了个比方。"如果你接着观察，水本身可能看起来完全平静，但突然另一边热了，然后另一边又热了，热量来回流动，而水看起来完全静止。"在托马斯-弗兰克物理学教授马丁-茨维尔莱因（Martin Zwierlein）的领导下，研究小组将超流体中的秒声进行了可视化。超流体是一种特殊的物质状态，当一团原子被冷却到极低的温度时就会产生超流体，此时原子开始像完全无摩擦的流体一样流动。在这种超流体状态下，理论家们预测热量也应该像波浪一样流动，不过科学家们直到现在才能够直接观察到这种现象。简单动画中描述的第一种声音是密度波形式的普通声音，其中正常流体和超流体一起振荡。图片来源：研究人员提供第二种声音是热量的运动，超流体和普通流体相互"撞击"，同时保持密度不变。图片来源：研究人员提供最近在《科学》杂志上发表的这项新成果将帮助物理学家更全面地了解热量是如何在超流体和其他相关材料（包括超导体和中子星）中流动的。"我们这团比空气稀薄一百万倍的气体与高温超导体中电子的行为，甚至是超密集中子星中的中子的行为之间存在着紧密的联系，"Zwierlein 说。"现在，我们可以纯粹地探测我们系统的温度响应，这让我们了解到一些很难理解甚至很难触及的东西。"Zwierlein和Fletcher在这项研究中的合作作者包括第一作者、前物理学研究生颜振杰、前物理学研究生Parth Patel和Biswaroop Mukherjee，以及澳大利亚墨尔本斯威本科技大学的Chris Vale。麻省理工学院的研究人员是麻省理工学院-哈佛大学超冷原子中心（CUA）的成员。当原子云被降到接近绝对零度的温度时，它们会转变为罕见的物质状态。Zwierlein 在麻省理工学院的研究小组正在探索超冷原子之间出现的奇异现象，特别是费米子通常相互避开的粒子，如电子。然而，在某些条件下，费米子可以发生强烈的相互作用并配对。在这种耦合状态下，费米子可以以非常规的方式流动。在最新的实验中，研究小组采用了费米子锂-6 原子，将其困住并冷却至纳开尔文温度。1938年，物理学家拉斯洛-蒂萨（László Tisza）提出了超流体的双流体模型超流体实际上是某种正常粘性流体和无摩擦超流体的混合物。这种两种流体的混合物可以产生两种类型的声音，即普通密度波和特殊温度波，物理学家列夫-朗道后来将其命名为"第二声音"。由于流体在某个临界超冷温度下会转变为超流体，麻省理工学院的研究小组推断，这两种流体的热量传输方式也应该不同：在普通流体中，热量应该像往常一样散失，而在超流体中，热量可以像波一样移动，类似于声音。Zwierlein说："秒声是超流性的标志，但在超冷气体中，迄今为止你只能在密度涟漪的微弱反射中看到它，而热浪的特征以前一直无法证实"。团队试图分离并观察第二种声音，即热的波状运动，与超流体中费米子的物理运动无关。为此，他们开发了一种新的热成像方法一种热映射技术。在传统材料中，人们会使用红外线传感器对热源进行成像。但在超低温下，气体不会发出红外线辐射。相反，研究小组利用射频来"观察"热量如何在超流体中移动。他们发现，锂-6费米子会根据不同的温度产生不同的射频共振：当云的温度较高，携带的正常液体较多时，共振频率较高。云中温度较低的区域共振频率较低。研究人员使用较高的共振无线电频率，促使液体中任何正常、"热"的费米子响应响铃。随后，研究人员就能锁定共振费米子，并随着时间的推移追踪它们，从而制作出"电影"，揭示热的纯粹运动类似于声波的来回晃动。Zwierlein说："我们第一次可以在这种物质冷却到超流体临界温度时对其进行拍照，并直接看到它是如何从热平衡无聊的普通流体转换到热量来回滑动的超流体的。"这些实验标志着科学家们首次能够直接对超流体量子气体中的秒声和纯热运动进行成像。研究人员计划扩展他们的工作，以更精确地绘制热在其他超冷气体中的行为。研究成果可以推广到预测热量如何在其他强相互作用的材料中流动，比如在高温超导体和中子星中，精确测量这些系统的导热性，并希望了解和设计出更好的系统。编译来源：ScitechDaily ... PC版： 手机版：

麻省理工学院研究团队发现宇宙中最古老的恒星 它隐藏在光晕中

麻省理工学院研究团队发现宇宙中最古老的恒星 它隐藏在光晕中 访问：NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 麻省理工学院的天文学家发现了三颗宇宙中最古老的恒星，它们就生活在我们的银河系附近。这些恒星位于银河系的"光环"中光环是包裹着主星系盘的恒星云，它们似乎形成于 120 亿年至 130 亿年前，当时第一批星系正在形成。图片来源：Serge Brunier；NASA研究人员将这些恒星命名为"SASS"，意为"小增生恒星系统恒星"，因为他们相信每颗恒星都曾经属于自己的原始小星系，后来被更大但仍在成长的银河系吸收。如今，这三颗恒星是各自星系仅存的部分。它们环绕着银河系的外围，研究小组怀疑那里可能还有更多这样的古老恒星幸存者。麻省理工学院物理学教授安娜-弗雷贝尔（Anna Frebel）说："根据我们对星系形成的了解，这些最古老的恒星肯定应该存在。它们是我们宇宙家谱的一部分。我们现在有了找到它们的新方法"。在发现类似的 SASS 恒星后，研究人员希望将它们作为超微弱矮星系的类似物，超微弱矮星系被认为是宇宙中现存的一些最早的星系。这些星系被认为是宇宙中幸存下来的最早的星系。这些星系至今仍然完好无损，但由于距离太远、太暗，天文学家无法对它们进行深入研究。SASS恒星可能曾经属于类似的原始矮星系，但它们位于银河系中，因此距离银河系更近，它们可能是了解超暗矮星系演化的一把钥匙。研究人员拿着一个装满了多年来收集的恒星数据的活页夹，其中包括恒星亮度随时间变化的数据。从左至右阿南达-桑托斯（Ananda Santos）、凯西-费恩伯格（Casey Fienberg）和安娜-弗雷贝尔（Anna Frebel）。图片来源：研究人员提供弗雷贝尔说："现在我们可以在银河系中寻找更多更亮的类似物，研究它们的化学演变，而不必追逐这些极其暗淡的恒星。"她和同事们于5月14日在《皇家天文学会月刊》（MNRAS）上发表了他们的研究成果。这项研究的共同作者包括约旦扎尔卡大学的穆罕默德-马尔迪尼（Mohammad Mardini）、23 岁的希拉里-安达莱斯（Hillary Andales）以及麻省理工学院的在读本科生阿南达-桑托斯（Ananda Santos）和凯西-菲恩伯格（Casey Fienberg）。该团队的发现源于一个课堂理念。在2022年秋季学期，弗雷贝尔开设了一门新课程8.S30（观测恒星考古学），让学生学习分析古代恒星的技术，然后将这些工具应用于以前从未研究过的恒星，以确定它们的起源。安达莱斯说："虽然我们的大多数课程都是从基础教起，但这门课却让我们立即站在了天体物理学研究的前沿。"学生们根据弗雷贝尔多年来从拉斯坎帕纳斯天文台的 6.5 米麦哲伦-克莱望远镜收集的恒星数据进行研究。她把这些数据的硬拷贝放在她办公室的一个大活页夹里，学生们用这些数据来寻找感兴趣的恒星。特别是，他们正在寻找大爆炸后不久形成的古老恒星，大爆炸发生在 138 亿年前。当时，宇宙主要由氢和氦组成，其他化学元素（如锶和钡）的丰度非常低。因此，学生们在弗雷贝尔的活页夹中寻找具有光谱或星光测量值的恒星，这些光谱或星光测量值显示锶和钡的丰度很低。他们的搜索范围缩小到了麦哲伦望远镜最初在 2013 年至 2014 年间观测到的三颗恒星。天文学家从未对这些恒星进行过后续研究，以解读它们的光谱并推断它们的起源。因此，它们是弗雷贝尔班学生的理想候选对象。学生们学习了如何描述恒星的特征，以便为分析这三颗恒星的光谱做好准备。他们能够利用各种恒星模型确定每一颗恒星的化学成分。恒星光谱中与特定波长的光相对应的特定特征的强度与特定元素的丰度相对应。在完成分析后，学生们自信地得出结论：与他们的参照恒星我们的太阳相比，这三颗恒星的锶、钡和其他元素（如铁）的丰度确实很低。事实上，与今天的太阳相比，其中一颗恒星所含的铁与氦的比例还不到十万分之一。桑托斯回忆说："我们花了很多时间盯着电脑，进行大量的调试，疯狂地互相发短信和电子邮件，才弄明白这个问题。"这是一个很大的学习曲线，也是一次特殊的经历。"这些恒星的低化学丰度确实暗示它们最初形成于 120 亿到 130 亿年前。事实上，它们的低化学特征与天文学家之前测量到的一些古老的超微弱矮星系相似。研究小组的恒星是否起源于类似的星系？它们又是如何来到银河系的呢？凭直觉，科学家们查看了这些恒星的轨道模式以及它们在天空中的移动方式。这三颗恒星位于银河光环的不同位置，估计距离地球约 3 万光年。(作为参考，银河系的圆盘横跨 10 万光年）。研究小组利用盖亚天体测量卫星的观测数据追溯了每颗恒星围绕银河中心的运动轨迹，他们注意到了一个奇怪的现象：相对于主圆盘中大多数像赛车场上的赛车一样运动的恒星，这三颗恒星似乎都走错了方向。在天文学中，这种现象被称为"逆行"，是天体曾经"吸积"或从别处吸入的提示。弗雷贝尔说："只有把明星扔到错误的地方，才能让他们与其他明星走错方向。"这三颗恒星的运行方式与银河系盘的其他部分甚至光环都完全不同，再加上它们的化学丰度很低，这有力地证明了这些恒星确实很古老，曾经属于更古老、更小的矮星系，它们以随机的角度坠入银河系，并在数十亿年后继续其顽强的运行轨迹。弗莱贝好奇地想知道，天文学家以前分析过的光环中的其他古老恒星是否也有逆行现象，于是他翻阅了科学文献，发现还有 65 颗同样具有低锶和低钡丰度的恒星似乎也在逆行。研究小组正在继续寻找其他古老的 SASS 恒星，他们现在有了一个相对简单的方法：首先，寻找化学丰度低的恒星，然后追踪它们的轨道模式，寻找逆行运动的迹象。在银河系中的 4000 多亿颗恒星中，他们预计这种方法将发现一小部分宇宙中最古老的恒星。弗莱贝计划在今年秋天重开这门课，回顾第一门课程和三位将成果发表的学生，他充满了敬佩和感激之情。"能与三位女大学生共事真是太棒了。这对我来说还是第一次，"她说。"这确实是麻省理工学院工作方式的一个范例。我们就是这样做的。无论谁说'我想参加'，他们都能做到，而且会有好事发生"。编译来源：ScitechDaily ... PC版： 手机版：