著名天体物理学家警告马斯克：大规模移民火星计划很危险

著名天体物理学家警告马斯克：大规模移民火星计划很危险 SpaceX公司创始人埃隆·马斯克计划到2050年将一百万人送往火星。为了实现这一目标，SpaceX已经进行了三次“星舰”巨型火箭的发射试验，然而这些尝试均未达到预期的完美效果。尽管面临挑战，马斯克仍坚信在未来四年内，火星上的无人测试着陆是切实可行的。 英国皇家学会前主席、著名天体物理学家马丁·里斯对马斯克的火星移民计划提出了批评。里斯认为，这类宏大的太空计划更应该由私人个体而非政府机构来推动，因为与地球上面临的紧迫问题相比，将大量资源投入火星城市建设似乎更像是一种危险的幻想。来源 ， 频道：@kejiqu 群组：@kejiquchat

《纪录片于敏核物理学家.ts 》

《纪录片于敏核物理学家.ts 》 简介：聚焦核物理学家于敏，讲述他为中国核武器研发隐姓埋名、默默奉献的一生。详细介绍他在氢弹等核武器理论研究方面的卓越贡献，展现他在艰苦的科研环境下，凭借深厚的学术造诣和爱国情怀，攻克重重难关，为中国国防事业筑牢根基的伟大事迹。 标签：#于敏纪录片#核物理学家#核武器研发#爱国奉献#科研精神 文件大小 NG 链接：

港大天体物理学家解开行星状星云中硫“消失”之谜

港大天体物理学家解开行星状星云中硫“消失”之谜 一幅标志性的拼贴画展示了 22 个著名的 PNe，按照近似物理大小的顺序艺术地排列成螺旋状。图片来源：ESA/哈勃和 NASA、ESO、NOAO/AURA/NSF 根据通讯作者和 Ivan Bojičić 的想法制作，由 Ivan Bojičić 绘制，David Frew 和作者提供了相关信息。长期以来，硫的预期含量似乎"不见踪影"。然而，由于利用了高度精确和可靠的数据，它们在"躲猫猫"之后终于"上岗"了。研究小组最近在《天体物理学杂志通讯》上报告了他们的发现。PNe是濒临死亡的恒星喷射出的短暂发光气态外罩，其丰富多彩的形状长期以来一直吸引着专业和业余天文学家。与宿主恒星相比，PNe 的寿命只有几万年，而宿主恒星则需要数十亿年才能通过 PN 阶段，最终成为"白矮星"。因此，PNe 提供了恒星死亡阵痛的几乎即时快照。它们是了解恒星晚期演化的一个重要科学窗口，因为它们丰富的发射线光谱可以对其化学成分进行详细研究。过去的研究表明，PNe 的光学光谱中似乎存在不同程度的硫元素缺乏。这种缺失很难解释，因为被称为"α元素"的硫应该与其他元素（如氧、氖、氩和氯）在大质量恒星中同步产生。因此，其宇宙丰度也应该成正比。来自智利欧洲南方天文台望远镜的行星状星云 PN NGC 5189 的图像。有人说它看起来像中国的飞龙在天。图片来源：ESO令人惊讶的是，虽然在 H II 区域（氢电离区域）和蓝色紧凑星系中观测到了硫丰度和氧丰度之间的强相关性（见图 2），但源自低质量恒星到中等质量恒星的 PNe 始终表现出较低的硫含量，这就产生了所谓神秘的"硫异常"，几十年来一直令天文学家感到困惑和烦恼。香港大学物理学理学士毕业生及香港大学天文台助理研究员陈淑瑜与她的导师、天文台台长昆汀‧帕克教授（Professor Quentin PARKER）合作，利用前所未有的高信噪比（S/N）光学光谱样本，对位于银河中心的约130个星体（PNe）进行研究。这一特殊数据集的背景噪声极小，可以清晰而详细地检查光谱特征，帮助研究小组有效地处理和解决了这一谜团。这些 PNe 是利用位于智利的世界领先的欧洲南方天文台（ESO）8 米甚大望远镜观测到的。结果发现，异常现象主要是由于 PNe 光谱中硫发射线的数据质量不高造成的。研究发现，将氧作为其他元素的基本金属性比较指标并不准确，相反，氩与氧的硫相关性更强，因此被认为是更可靠的金属性指标和合适的比较元素。因此，在大型望远镜上以高信噪比对精心挑选的大量 PNe 样本进行光谱观测时，数据不仅首次揭示了 PNe 中强烈的"锁步"行为或硫，这在其他类型的天体物理天体中也是可以看到和预期的，而且异常现象本身也有效地消失了。作者有效地推翻了以前的说法，即行星状星云中的硫异常是由于低估了较高的硫电离阶段或弱硫线通量造成的。这一发现强调了高质量数据在揭开科学之谜方面的至关重要性。编译来源：ScitechDaily ... PC版： 手机版：

物理学家实现分子的量子纠缠

物理学家实现分子的量子纠缠 物理学家首次实现了对分子的量子纠缠。这一突破可能有助于推动量子计算的实用化。论文发表在《科学》期刊上。实现可控的量子纠缠一直是一大挑战，这次实验之前分子的可控量子纠缠一直无法实现。普林斯顿大学的物理学家找到了方法控制单个分子诱导其进入到互锁量子态。研究人员相信相比原子，分子具有优势，更适合量子信息处理和复杂材料量子模拟等应用。相比原子，分子有更多的量子自由度，能以新方式交互。论文合作者 Yukai Lu 指出这意味着存储和处理量子信息的新方法。来源 ，， 频道：@kejiqu 群组：@kejiquchat

CIANNA - 天体物理学家的卷积交互式人工神经网络

CIANNA - 天体物理学家的卷积交互式人工神经网络 CIANNA 是一个通用深度学习框架，主要开发和用于天文数据分析。根据天体物理问题解决的相关性添加功能和优化。 CIANNA 可用于构建和训练用于各种任务的大型神经网络模型，并提供高级 Python 接口（类似于 keras、pytorch 等）。 CIANNA 的特点之一是其定制实现的受 YOLO 启发的物体检测器，用于 2D 或 3D 射电天文数据产品中的星系检测。该框架通过低级 CUDA 编程完全由 GPU 加速。 | #框架

在AI帮助下 天体物理学家揭开重元素的宇宙起源

在AI帮助下 天体物理学家揭开重元素的宇宙起源 理论物理学家马修-芒鲍尔（Matthew Mumpower）说："自然界中可能存在成千上万个尚未测量的原子核。机器学习算法非常强大，因为它们可以在数据中发现复杂的相关性，而理论核物理模型却很难有效地产生这种结果。这些相关性可以为科学家提供有关'缺失物理'的信息，反过来又可以用来加强原子质量的现代核模型。"模拟快速中子俘获过程最近，Mumpower 和他的同事（包括前洛斯阿拉莫斯暑期学生李梦柯和博士后 Trevor Sprouse）在《物理快报 B》上发表了一篇论文，描述了用基于物理学的机器学习质量模型模拟一个重要的天体物理过程。r过程，即快速中子捕获过程，是发生在极端环境中的天体物理过程，如中子星碰撞产生的环境。重元素可能来自这种"核合成"。事实上，宇宙中一半的重同位素直至铋以及所有的钍和铀都可能是由这种"核合成"过程产生的。洛斯阿拉莫斯模拟的两颗中子星碰撞后的吸积盘。这一事件同时产生了轻元素（蓝色）和重元素（红色）。资料来源：洛斯阿拉莫斯国家实验室然而，对这一过程进行建模需要对原子质量进行理论预测，而目前的实验还无法达到这一要求。研究小组采用物理信息机器学习方法，从原子质量评估（Atomic Mass Evaluation）这一大型质量数据库中随机选择，训练出一个模型。接下来，研究人员利用这些预测的质量来模拟 r 过程。该模型使研究小组首次利用机器学习预测的质量模拟了r过程的核合成这是一项重大创举，因为机器学习预测通常会在外推时崩溃。Mumpower说："我们已经证明，机器学习原子质量可以为我们在实验数据之外的预测打开大门。关键的一点是，我们告诉模型要遵守物理定律。通过这样做，我们就能进行基于物理学的推断。我们的结果与当代理论模型不相上下，甚至更胜一筹，并且可以在获得新数据时立即更新。"研究核结构r过程模拟是研究团队将机器学习应用于核结构相关研究的补充。在最近发表在《物理评论 C》上的一篇被选为"编辑建议"的文章中，研究小组利用机器学习算法重现了具有量化不确定性的核结合能；也就是说，他们能够确定将原子核分离成质子和中子所需的能量，以及每个预测的相关误差条。因此，该算法提供的信息需要大量的计算时间和资源才能从当前的核建模中获得。在相关工作中，研究小组利用他们的机器学习模型将精确的实验数据与理论知识结合起来。这些结果激发了新的稀有同位素束设施的一些首批实验活动，该设施旨在扩大核图的已知区域并揭示重元素的起源。编译自:ScitechDaily ... PC版： 手机版：