8月22日外媒科學網站摘要：每天多唱50分鐘，光污染正讓鳥類"過勞"
8月22日（星期五）消息，國外知名科學網站的主要內容如下：
《自然》網站（www.nature.com）
教科書錯了？新研究推翻“大腦重組”理論：大腦圖譜遠比想象中穩定
長期以來，神經科學教科書中的一個經典觀點是：當人體失去某一肢體後，大腦中對應的感覺區域會被鄰近身體部位“接管”，這一過程被稱爲大腦皮層重組。然而，一項發表於《自然-神經科學》（Nature Neuroscience）的最新研究強烈挑戰了這一認知。證據表明，大腦的體感圖譜可能比我們想象的更爲穩定。
此前學界普遍認爲，初級體感皮層中原本負責處理已截肢手臂信號的神經元會逐漸響應面部（尤其是嘴脣）等相鄰部位的感覺輸入。爲驗證該理論，一個來自英國劍橋大學和美國匹茲堡大學的研究團隊開展了一項長期追蹤實驗。
研究人員對三名手臂截肢者進行了長達五年的隨訪，在手術前後多次使用功能性磁共振成像（fMRI）技術精細繪製大腦激活圖譜。結果發現，即使在大幅肢體缺失數年之後，原手部對應的腦區仍然存在，且未被面部表徵區域侵佔。更令人驚訝的是，當受試者意圖活動“幻指”時，該腦區仍以與截肢前高度相似的模式被激活。
這一發現直接挑戰了神經科學中關於大腦可塑性的根本假設。研究表明，大腦的身體圖譜可能比我們過去認爲的更爲穩定。該結論也解釋了臨牀中常見的一種現象：爲何許多針對幻肢（即人們仍能感覺到被截肢的肢體）疼痛的“神經重組矯正”療法效果有限——因爲大腦根本並未發生傳統意義上那種大規模重組。
此項成果對未來腦機接口與仿生假肢技術發展具有明確意義。專家評論指出，該研究爲下一代假肢系統的設計提供了關鍵理論依據。穩定的大腦圖譜意味着，即便在截肢多年後，神經義肢仍有可能通過原有神經通道實現更自然、精確的控制，而不必擔心大腦結構發生“移位”。這爲相關臨牀試驗的推進和腦機接口技術的優化奠定了堅實基礎。
《科學通訊》網站（www.sciencenews.org）
全球研究證實：光污染讓鳥類每日多鳴唱近一小時
光污染正在改變鳥類的日常“作息表”。《科學》（Science）雜誌最新研究表明，人類夜間照明可導致鳥類每日鳴叫時間顯著延長，這一現象在全球尺度上首次得到系統驗證。
來自美國俄克拉荷馬州立大學和南伊利諾伊大學的研究團隊通過全球公民科學項目“BirdWeather”，收集並分析了440萬條鳥類鳴叫記錄，涵蓋583個物種。結果顯示，在光污染最嚴重區域，鳥類平均每日鳴唱時間比黑暗地區延長50分鐘，表現爲早晨提前18分鐘開始，傍晚推遲32分鐘結束。
研究指出，眼睛較大的鳥類（如雙領鴴）對光污染尤爲敏感。在繁殖季節，這種效應更加明顯——人工光源可能誤導鳥類對自然光周期的判斷，使其在傳統“作息時間”之外延長活動時段。
研究團隊表示，目前尚不清楚這種變化對鳥類的長期影響。可能帶來的風險包括睡眠節律紊亂，但同時也可能增加覓食機會。該研究首次在大尺度上揭示了人造光線對野生動物行爲模式的深層干擾。
研究表明，人類日常使用的夜間照明正在無聲地重塑自然世界的聲景與生態節奏。隨着光污染範圍不斷擴大，其對生物多樣性的潛在影響亟需受到更多關注。
《每日科學》網站（www.sciencedaily.com）
宇宙“洋蔥”被完全剝開：天文學家觀測到有史以來最奇特的超新星
天文學家通過觀測一顆編號爲SN2021yfj的奇特超新星，獲得了對大質量恆星內部結構的罕見認知，這改寫了關於恆星死亡的傳統理論。該發現由美國西北大學領導的一個國際團隊完成，並發表在《自然》（Nature）雜誌上。
通常，超新星爆發會保留大量的氫和氦等輕元素。然而，SN2021yfj的光譜分析顯示，它呈現出以硅、硫和氬爲主的驚人特徵。這表明該恆星在爆炸前，其外部的氫、氦乃至碳層都已被完全剝離，從而罕見地暴露了其最內部富含硅和硫的深層結構。這爲恆星像洋蔥一樣分層的經典理論提供了直接證據。
研究人員認爲，這顆恆星在爆發前經歷了極其劇烈的物質拋射過程，失去了其絕大部分質量。其確切機制尚不清楚，但可能涉及與伴星的相互作用、巨大的前身星爆發或異常強烈的星風。一種主流假說是，恆星內部經歷了多次劇烈的“對不穩定性”脈衝，每一次都將其外層物質猛烈地拋向太空，最終導致深層內核暴露並在隨後的碰撞中產生了一場極其明亮的爆炸。
該發現得益於美國茲威基瞬變設施（ZTF）的巡天觀測以及W.M.凱克天文臺的關鍵光譜數據。研究團隊指出，此類事件極爲罕見，凸顯了當前恆星演化模型的侷限性。自然界可能存在着更多未知的、奇特的恆星死亡途徑。這一發現強調了對更多此類稀有超新星進行追蹤的必要性，以完善我們對恆星生命最終時刻的理解。
《賽特科技日報》網站（https://scitechdaily.com）
AI系統毫秒級定位聚變裝置磁陰影，加速清潔能源商業化進程
由美國核聚變初創公司Commonwealth Fusion Systems（CFS）、美國能源部普林斯頓等離子體物理實驗室（PPPL）與橡樹嶺國家實驗室聯合研發的HEAT-ML人工智能系統，近日在覈聚變研究領域取得重大突破。該系統成功將託卡馬克裝置磁陰影計算時間從30分鐘縮短至毫秒級，爲聚變能商業化應用帶來新的技術支撐。
磁陰影區域是託卡馬克裝置內受磁場屏蔽的關鍵安全區，其精準定位直接關係到等離子體面對部件能否避免高溫熔燬。HEAT-ML採用深度神經網絡架構，通過訓練實現了對託卡馬克裝置三維磁陰影圖譜的瞬時生成與精準預測。
目前該系統已針對CFS正在建設的SPARC託卡馬克排氣系統進行專項優化。SPARC裝置作爲有望在2027年實現能量淨增益的示範項目，其底部15塊防護瓦區域承受着最集中的等離子體熱負荷。HEAT-ML的應用使研究人員能夠在設計階段快速評估不同方案的熱負荷分佈，大幅降低工程風險。
這項突破標誌着人工智能技術在覈聚變工程應用領域邁出關鍵一步。不僅顯著加速了聚變裝置的設計迭代速度，更爲未來聚變電站的智能化運維提供了技術基礎。隨着通用版本的開發推進，HEAT-ML有望成爲託卡馬克裝置設計的標準工具，爲全球聚變能研發提供重要技術支持。
科學界認爲，此類人工智能與核聚變工程的深度結合，將顯著縮短聚變能商業化應用的時間表，爲全球清潔能源轉型提供新的技術路徑。（劉春）