《国家科学院院刊》

物理学定制机器学习揭示尘埃等离子体物理现象

美国埃默里大学的Justin C. Burton团队报道了物理学定制机器学习揭示的尘埃等离子体物理现象。相关论文近日发表于美国《国家科学院院刊》。

研究团队演示并验证了一种机器学习方法，该方法结合物理直觉来推断实验室等离子体中的力定律。该模型在三维粒子轨迹上进行训练，考虑了粒子的固有对称性和非同一性，并以极高的精度学习了粒子之间的非互易力。他们以两种独立但一致的方式推断粒子质量，以验证该模型。该模型实现了粒子电荷和筛分长度的精确测量，从而识别出与一般理论假设较大的偏差。

研究团队从实验数据中识别未知物理现象的能力证明了机器学习驱动的方法如何在多体系统中指导科学发现的新路线。此外，他们还预计该机器学习方法将成为从广泛的多体系统动力学中推断定律的起点。

相关论文信息：

https://doi.org/10.1073/pnas.2505725122

《科学进展》

从太空揭示欧洲生态系统抗旱策略

荷兰莱顿大学的陈琦（音）团队从太空揭示了欧洲范围内的生态系统抗旱策略。相关成果近日发表于《科学进展》。

在气候变化的影响下，日益严重的干旱威胁着生态系统。多种植物生理调节过程决定了生态系统的整体抗旱性。到目前为止，这些抗旱生理策略在不同生态系统类型的大尺度上尚不明晰。

研究人员利用高分辨率遥感数据，通过评估蒸散发、水分含量和碳调节3个生理调节的关键方面，基于它们相关的植被属性，评估了整个欧洲不同生态系统类型的抗旱策略。研究结果发现，不同的生态系统类型在这些生理属性上有不同的反应，表明在节水与耗水、含水量稳定与波动、面对干旱时保叶与脱叶方面存在不同的优化策略。

这些通过遥感揭示的抗旱策略提供了生态系统及时响应的信息，促进了地球系统模型的预测，并有助于在大尺度上防范未来的干旱。

相关论文信息：

https://doi.org/10.1126/sciadv.adt9251