在澳大利亚发现世界上最古老的小行星陨石坑，已有30.2亿年历史，重新定义地球历史

在日本的一个惊人发现可能会彻底改变我们对活跃构造断层的理解。东北大学的研究人员在位于日本中部地区的阿托次川地质断层中发现了氧化石墨烯的存在。该地区以其缓慢而持续的位移而闻名，没有突然的地震活动。氧化石墨烯对地质断层的影响据科学家称，这种材料可能会显著影响断层释放积累的张力的方式，促进地面的逐步移动，而不是造成毁灭性的地震。这一发现为理解地震和断层随时间的演变开辟了新的可能性。由岛田智也领导的东北大学地球科学系的研究使用了拉曼光谱和电子显微镜等先进技术来详细分析这种化合物。加州的构造断层：一千年来的最大临界负荷状态氧化石墨烯因其在水净化、医学和电子领域的应用而闻名，具有极低的摩擦系数，使其成为可能的天然“纳米润滑剂”。在阿托次川的这一发现中，氧化物出现在3到10纳米之间的裂缝中，这标志着一种新颖性，因为这种结构类型以前只在实验室加工的材料中见过。氧化石墨烯有什么特别之处？氧化石墨烯是石墨烯的一种变体，由碳原子层以六边形排列组成，但氧基团改变了其物理和化学特性。其减少摩擦的能力使其成为可能促进岩石移动的关键成分，从而降低重大地震的风险。这可能会改变我们对自然灾害的理解和管理。发现奥克兰下方的一个活跃断层，可能引发6.8级地震研究表明，这种化合物在断层中的自然形成可能提供一种创新的方法来解决地震灾害的预防。

NASA已经揭示了其新的革命性探测车，名为Ernest。这款无人驾驶车辆承诺通过其创新的强化学习高级算法的使用，显著超越其前辈的能力，这些算法是通过数千次详细模拟准备的。根据喷气推进实验室（JPL）项目负责人Issa Nesnas的说法，Ernest的开发旨在显著扩展未来行星任务的范围。这个机器人项目背后的团队相信，探测车覆盖更大距离的能力将打开探索地质特征更为多样化地区的大门。这显著增加了找到关于太阳系历史的关键科学证据的机会，并优化了每次任务所花费的时间。Ernest：太空探索的前进一步凭借前卫的设计和智能导航系统，Ernest是JPL最有前途的开发之一。它的设计速度前所未有，与其他行星探测车相比，这可能使其在数天内完成目前火星任务需要数周才能完成的距离。该原型机采用最新的人工智能技术开发，配备自主导航系统和四轮设计，这使其明显区别于传统探测器。JPL的机器人工程师Jeremy Nash指出，这些算法是使用各种地形的数据进行现实模拟训练的，使探测车在面对真实地表之前确定最佳路线。Ernest的测试在加州南部的科罗拉多沙漠进行，这个环境因其与月球和火星的地质相似性而被选中。在测试期间，探测车展示了其自主移动的能力，能够在最小的人为干预下绕过障碍和挑战性表面。这些评估旨在验证可能对未来月球和火星长距离任务至关重要的技术。Ernest在极端光照条件下的表现，例如月球极地地区，也是评估的对象。工程师们在一天和夜晚的不同时间测试了其摄像头和导航系统，以确保其在不利条件下的有效性。

一个由澳大利亚麦考瑞大学和野生动物保护协会（WCS）领导的国际科学家团队在71个国家和100个地区中识别出165,922平方公里的珊瑚礁，这些珊瑚礁具有很强的抵抗和恢复气候变化影响的能力。 这项研究在肯尼亚蒙巴萨的我们的海洋会议上提出，扩大了2018年50个珊瑚礁倡议的成果，将具有气候复原力的珊瑚礁数量增加了三倍。 分布和特征 复原力强的珊瑚礁主要集中在五个国家： 澳大利亚 巴哈马 古巴 印度尼西亚 菲律宾 科学家们得出结论，一些珊瑚礁由于有利的海洋条件而能够抵抗变暖的影响，而其他珊瑚礁则已经发展出对热应激的耐受性或在极端现象后快速恢复的能力。 研究方法 分析基于1960年至2025年间进行的超过45,000次珊瑚礁观察，结合气候、海洋和人类压力数据。 结果通过机器学习模型处理，从而识别出全球范围内的复原力模式。 关注和挑战 尽管有这一发现，研究人员警告说，只有28%的识别出的珊瑚礁位于保护区内。 这使得超过119,000平方公里的珊瑚礁暴露在过度捕捞、污染和沿海开发等威胁中，而没有保护措施。 国际运动 报告的发布恰逢由WCS、WWF和自然保护协会（TNC）推动的我们的珊瑚礁，我们的未来运动的启动。 该倡议呼吁各国政府加强对最具复原力的珊瑚礁的保护，以应对气候变化。 珊瑚礁的战略重要性 尽管覆盖面积不到海洋的1%，珊瑚礁对海洋和人类生活至关重要： 海岸保护：作为天然的防波堤，减少多达95%的波浪能量，防止洪水和侵蚀。 气候缓解：吸收二氧化碳（CO₂）并参与全球碳循环。 基于生态系统的适应：为约8.5亿人提供粮食安全和生计，增强沿海社区的复原力。 ...

一项揭示性研究通过使用人工智能，在南极冰层下发现了超过500 地震。这一发现是在东南极的大卫冰川下进行的，可能会改变我们对全球地质学的理解。人工智能揭示南极隐藏的地震国际科学家团队使用先进算法在背景噪声中检测到微妙的地震模式，在该地区识别出超过一千个事件。尽管这些震动不构成重大威胁，但它们为地球最南端大陆的地质行为提供了新的视角。研究小组表示，东南极的冷岩石圈与西部较温暖的岩石圈之间的相互作用，加上冰层的重量，产生了导致这些深层地震的应力。本研究中部署的机器学习系统有潜力应用于世界其他地区，处理未分析的大量地震数据，开启发现更多隐藏地震活动的道路。在阿拉巴马大学的领导下，科学家们通过深度学习技术重新审视了历史地震数据，揭示了这些以前无法检测到的地震。2001-2004年和2012-2015年间收集的49个站点的数据对这一分析至关重要。阿拉巴马大学的地质学家Long Ho强调，地震发生在东南极的刚性地壳与西部较软的岩石相遇的地方。根据Ho的说法，如果机器学习继续发展，可能会揭示出比我们目前所知更多的深层地震频率。这项发表在《科学》杂志上的研究不仅揭示了隐藏的地震，还强调了人工智能在利用新技术工具重新利用旧科学记录方面的潜力。