科学快讯 美国Science 杂志 2015 年12 月11 日出版

来源：中国科学报   发布者：张荐辕   日期：2015-12-22  

稠厚地幔或能解释某些地球内部过程 一项新的研究发现，地球表面之下1000公里处的地幔黏度突然增加，这与过去的估计有显著的差异，它表明这一现象发生的深度大约为670公里。准确地查明地幔内的黏度变化对理解地区内深部的无数过程颇为重要，这些过程包括：热传输、组分混合和板坯（板块）下降，它还能让人们了解地幔的热与化学演变。大地水准面对下部地幔的密度结构和黏度对比最为敏感，因此它对确定地幔黏度提供了一个好方法。Maxwell Rudolph等人在此将能解释大地水准面的数组地球物理数据结合起来。在经过众多模拟之后，他们的所有结果都发现在地表下670公里处的黏度增加，而大多数的模拟将该黏度的增加置于还要更深的位置——接近地表之下1000公里。作者们提出，据某些新近的研究披露，他们对黏度转变的新的估计与板块停滞的深度相吻合。尽管黏度增加解释了某些地质学观察结果，但这一增加的起源仍然是一个谜团。 能将雄性草原田鼠 乱交行为归咎于记性差吗？ 一项新的研究显示，那些大范围漫游以寻找交配对象的雄性草原田鼠对空间的记忆力比那些对配偶忠诚的雄性草原田鼠差，那些忠诚者能更好地回想与其他雄性田鼠有过粗暴遭遇的地点，因此它们会呆在与其巢穴更近的地方。这项研究表明，某些表现出混杂性交配特点的草原田鼠可能与某种可遗传的基因表达有关。最常见的北美草原田鼠属单配偶关系，它们形成对偶，并共同抚育幼鼠。然而，与人类并非不同的是，“不忠行为”也会发生，有些雄性田鼠会到它们巢区活动范围之外冒险并面临一种有趣的取舍权衡：它们一方面更有可能与某雌性田鼠交配并可能传递它们的基因，但它们遭遇保卫自己配偶的其他好斗雄性田鼠的风险也会增加。为了在基因层面探索其对杂乱性交配的影响，Mariam Okhovat和同事对avpr1a基因的表达进行了更仔细的观察，在雄性田鼠中该基因可预测其性忠诚度，且它在空间记忆神经环路中起着某种作用也颇为知名。研究人员进行了若干试验，发现了4个会影响avpr1a表达的单核苷酸多态性（SNPs），并发现在avpr1a基因的与性行为有关联的不同部位的甲基化水平存在差异。这些甲基化位置（它们可增加基因的表达）是可遗传的，并在不同的群体中显示了不同的模式。由于实验室田鼠群体和野生田鼠群体间存在基因上的差异，作者们提出，高群体密度有利于导致较低下的V1aR表达、较差空间记忆以及更大范围巢区以增加雄性交配机会的基因变异体，而群体密度低则有利于相反的情况。 拿到博士之后的生活：工作流向与收入 在迄今为止分析美国大学受到资助的博士学位研究生就业结果的最全面之一的研究中，研究人员发现，与在学术界的对等者相比，在被评估的博士学位获得者中有近40%进入了工业界，而这些雇员更可能在高工资机构供职。这项研究对由研究基金资助的博士们在毕业后去了哪里及进入私营板块等提供了独特的内情，这一领域现有的数据很少，但其结果可帮助阐明研究对经济的影响力。尽管有关美国对科学研究投入的文件很容易得到，但其产出则难以追踪。研究发现，这些毕业生中大约有20%留在他们获取学位的州内。在那些离开其大学所在州的毕业生中，有19%的人去了加州，而研究人员对此现象的猜测是其部分原因为加州有更多的研发工作这一事实。大多数的博士毕业生进入了学术界（可能是为了完成博士后）；然而，有较大百分比的博士毕业生（约38%）在企业界找到工作，他们中有约17%在研发公司供职。他们供职的两个收入最高的领域为数学和/或电脑科学和工程学，其平均年收入超过6.5万美元。相比之下，平均收入最低者为生物学博士，其年收入为3.6万美元。也许是因为这些博士毕业生往往会接受博士后研究者的职位。与领域无关的是，那些进入企业界的博士最可能会在高工资机构工作。 当机器能像人类一样学习时 研究人员创制了一个电脑模型，它能捕捉人类从单个事例学习新概念的独特能力。尽管这个模型还只能学习字母的手写体，但这种方法的基础机制可被扩展而应用于其他的以符号为基础的系统，如手势、舞蹈动作以及口语和手语词汇。Brenden Lake和同事试图研发一种模型，它能掌握人类学习的这些能力。他们聚焦于一大类的简单视觉概念——世界各地字母的手写体——构建他们的模型来“学习”这一大类的视觉符号，并使其能从非常少的事例中产生泛化的能力。他们称这种建模方案为贝叶斯计划学习框架或BPL。在研发出BPL方法后，研究人员直接在一组有5项挑战性概念学习作业（包括在只见过几次后就能产生字体新事例的作业）中对人类、BPL及其他电脑计算方法进行比较。研究人员显示，在一个只有一次的具有挑战性的分类作业中，BPL模型达到了人类水平的表现，并优于近来研发的深度学习方法。他们的模型可对字母手写体分类、解析和再创，并能从该字母系统产生新的字母手写体——与真正的人类所产生的结果相比，它们在进行由模型输出的图灵样测试时看上去是“正确”的。

相关新闻