6月12日（星期四）消息，國外知名科學網(wǎng)站的主要內容如下：

《自然》網(wǎng)站（www.nature.com）

女生何時在數(shù)學上落后？大規(guī)模研究揭示關鍵節(jié)點

全球范圍內，青少年男生在數(shù)學測試中表現(xiàn)優(yōu)于女生，且男性更可能從事數(shù)學相關職業(yè)。然而，男嬰并未展現(xiàn)出更強的數(shù)字或邏輯能力。一項針對法國近300萬名5至7歲學生的研究發(fā)現(xiàn)，數(shù)學性別差距出現(xiàn)在入學第一年，并在四個月后開始顯現(xiàn)，12個月后進一步擴大。

該研究由法國原子能和替代能源委員會（CEA）等機構開展，覆蓋2018至2021年入學的學生，證實了這一現(xiàn)象在全國各群體中的普遍性。經(jīng)濟學家指出，這種普遍性表明縮小差距的政策需面向所有人，而非特定群體。

研究利用大數(shù)據(jù)分析發(fā)現(xiàn)，差距的觸發(fā)點是正式教育的開始，而非年齡。例如，12月出生且已進入第二學年的學生存在性別差距，而1月出生剛入學的同齡人中則無此現(xiàn)象。這表明差距源于入學后的環(huán)境，而非先天能力差異。

嬰幼兒時期，女孩和男孩對數(shù)字與邏輯的理解力相似。研究認為，教師和家長可能無意中傳遞了“男生更擅長數(shù)學”的刻板印象，或認為男生的成功源于天賦，而女生靠努力，這會削弱女生的信心。此外，入學后將數(shù)學單獨歸類為特定科目可能促使女生內化這些偏見。女生對數(shù)學的焦慮也普遍高于男生，可能影響限時測試的表現(xiàn)。

研究人員建議，應拓寬“數(shù)學能力強”的定義，例如不僅看重答題速度，也認可創(chuàng)新解題方法。教育需更包容，而非要求女生適應傳統(tǒng)男性化的學習模式。這項研究強調，通過調整早期教育環(huán)境，可以有效減少數(shù)學性別差距。

《科學》網(wǎng)站（www.science.org）

暴龍家族秘史：科學家找到進化鏈上的關鍵“拼圖”

2023年5月，加拿大卡爾加里大學古生物學家在蒙古科學院研究一組距今8500萬年的腿骨化石時，發(fā)現(xiàn)其可能屬于暴龍類的關鍵祖先物種。這一新物種被命名為“Khankhuuluu mongoliensis”（蒙古語意為“龍王”），體型僅為雷克斯霸王龍的一半，具有細長的頭骨和身軀。

研究顯示，Khankhuuluu填補了暴龍進化史的重要空缺。約1.45億年前，暴龍類還是小型掠食者，生活在更強大的異特龍陰影下。但到8000萬年前，它們體型增長近十倍，成為頂級掠食者。卡爾加里大學的研究團隊認為，Khankhuuluu可能是連接早期小型暴龍與后期巨型霸主的“缺失環(huán)節(jié)”。

暴龍的擴散路徑也被重新勾勒。約9000萬年前，類似Khankhuuluu的恐龍從亞洲進入北美洲，其后代逐漸演化出多樣化的暴龍類。約7800萬年前，部分暴龍重返亞洲，形成兩類分支：一類纖細小型，一類粗壯巨型。其中一支大型亞洲暴龍約7000萬年前再度遷回北美洲，最終演化出雷克斯霸王龍。這一結論與近期《皇家學會開放科學》刊登的研究相互印證，挑戰(zhàn)了霸王龍純屬北美恐龍的傳統(tǒng)認知。

這項發(fā)現(xiàn)不僅完善了暴龍家族樹，也為理解白堊紀頂級掠食者的崛起提供了新視角。

《每日科學》網(wǎng)站（www.sciencedaily.com）

混沌中的明察：人工智能觸及光學測量終極邊界

任何成像技術都無法實現(xiàn)無限清晰的分辨率。150年來，科學界已確認，無論顯微鏡或相機如何設計，其分辨率都存在無法突破的根本限制。這一限制并非來自技術缺陷，而是由光的物理本質和信息傳遞規(guī)律決定。

奧地利維也納工業(yè)大學領導的一個國際研究團隊共同探索了一個核心問題：光學方法的精度極限在哪里？如何盡可能逼近這一極限？他們不僅從理論上計算出了光學測量的精度極限，還開發(fā)出基于神經(jīng)網(wǎng)絡的AI算法，使其在訓練后能無限接近該極限。這一突破有望應用于醫(yī)學影像等領域。

研究團隊通過實驗模擬了復雜環(huán)境下的成像挑戰(zhàn)。例如，當光線穿過渾濁介質（如生物組織或毛玻璃）時，物體位置信息會被嚴重扭曲，形成看似隨機的光斑。傳統(tǒng)方法難以從中提取有效信息，但AI技術展現(xiàn)了強大潛力。研究人員將大量已知物體位置的光斑圖像輸入神經(jīng)網(wǎng)絡進行訓練，最終系統(tǒng)能夠從新圖像中高精度推斷物體位置。

關鍵突破在于，AI的預測精度幾乎達到了理論極限——這一極限由“費希爾信息（Fisher Information）”決定，該指標量化了信號中可提取的最大信息量。實驗證明，AI算法的表現(xiàn)與理論最優(yōu)值僅有微小差距，表明其已接近物理定律允許的精度上限。

這一成果具有廣泛的應用前景，包括醫(yī)學診斷、材料科學和量子技術。未來，研究團隊計劃與醫(yī)學和工程領域的專家合作，推動該技術在具體場景中的實際應用。

《賽特科技日報》網(wǎng)站（https://scitechdaily.com）

斯坦福重磅研究：碳捕獲成本高，可再生能源才是未來

美國斯坦福大學近期發(fā)表在《環(huán)境科學與技術》（Environmental Science & Technology）的一項研究表明，到2050年全面轉向風能、太陽能、地熱和水電等清潔能源，不僅能大幅降低能源成本，還能減少空氣污染并緩解氣候變化。相比之下，依賴碳捕獲技術（如工業(yè)煙道或直接空氣碳捕獲）的經(jīng)濟和社會成本更高。

研究指出，將資金投入碳捕獲而非可再生能源，會導致更高的二氧化碳排放、空氣污染和能源需求。即使碳捕獲技術由清潔能源驅動，其機會成本仍過高，因為這些能源本可用于直接替代化石燃料。

研究對比了兩種極端情景：一是完全轉向可再生能源，并提升能源效率；二是維持現(xiàn)有化石燃料結構，同時增加碳捕獲技術。結果顯示，全面采用可再生能源可使終端能源需求減少54%以上，年度能源成本降低近60%，同時避免每年數(shù)百萬例因空氣污染引發(fā)的疾病和死亡。

此外，電氣化能顯著提升能源效率，例如電熱泵和電動汽車比傳統(tǒng)設備更高效，且無需化石燃料開采和運輸?shù)念~外能耗。相比之下，碳捕獲技術無法改變化石燃料燃燒的低效性，經(jīng)濟性遠不如直接使用可再生能源替代。

研究強調，同時支持可再生能源和碳捕獲的政策未能區(qū)分解決方案的優(yōu)劣，建議放棄推廣碳捕獲技術，轉而全力淘汰化石燃料燃燒，以實現(xiàn)真正的零排放。（劉春）