8月14日外媒科學網站摘要：最大霸王龍可能重達15噸
快速決策還是推後決策更好
8月14日（星期三）消息，國外知名科學網站的主要內容如下：
《科學時報》網站（www.sciencetimes.com）
一種新的免疫方法：納米顆粒疫苗技術能增強流感交叉保護
美國佐治亞州立大學生物醫學科學研究所的最新研究顯示，納米顆粒疫苗能產生顯著的細胞和粘膜免疫反應，能針對各類流感病毒提供比傳統疫苗更廣泛的保護。這項成果已發表在《自然通訊》（Nature Communications）雜誌上，爲通過個性化免疫策略提升流感疫苗的效能提供了新思路。流感大流行對公共健康構成嚴重威脅，因此開發能夠廣泛防禦多種病毒的疫苗至關重要。
疾病控制和預防中心建議民衆每年接種季節性流感疫苗，但這些疫苗通常只針對特定流感病毒有效，無法預防流感大流行。針對這一問題，該研究強調了構建全面疫苗保護計劃的重要性。
研究團隊針對雌性小鼠研究了不同疫苗接種方式對免疫系統的影響，尤其是注射mRNA脂質納米顆粒（LNP）和基於蛋白質的聚亞胺-ha/CpG（PHC）納米顆粒疫苗，這兩種疫苗均旨在靶向流感血凝素。研究採用了肌肉注射mRNA LNP和鼻內注射PHC疫苗的多種免疫序列，以比較它們的效果。
結果顯示，通過鼻內注射PHC疫苗可在粘膜層面產生較強免疫反應，並提供較肌肉注射更有效的交叉保護。這些發現對公共衛生具有重大意義，尤其是在提高流感疫苗的效果和覆蓋範圍方面。研究人員期待通過結合異源序列免疫、多種疫苗類型和遞送方式，進一步提升疫苗對廣泛流感毒株的防禦能力。
《每日科學》網站（www.sciencedaily.com）
1、利用先進顯微鏡觀察納米結構及其光學特性
德國馬克斯·普朗克學會弗裡茨·哈伯研究所的科學家們在納米技術領域取得了重大突破，其研究成果已發表在《先進材料》（Advanced Materials）雜誌。該研究介紹了一種新型顯微鏡技術，能夠前所未有地精確可視化納米結構及其光學特性。
在納米尺度上工程設計的超材料展現出自然材料所不具備的獨特特性，這些特性源於它們的納米級構造單元。由於這些構造單元的尺寸小於光波長，直接觀察它們一直是一個挑戰。
該研究團隊採用了一種創新的顯微鏡技術，能夠同時展現這些材料的納米和宏觀結構。研究的關鍵突破在於開發了一種新方法，使以前因尺寸過小而無法用傳統顯微技術觀察的結構能夠被清晰顯示。
通過創新的光學應用，科學家們發現了一種在結構中“捕獲”特定顏色光波，並通過與第二種顏色的光波混合，實現光波的釋放，從而使被捕獲的光可視化。
這一技術揭示了納米級光學超材料的隱藏世界，並標誌着科學家利用自由電子激光器（Free Electron Laser，FEL）在多年的專項研究和開發後取得的成就。這種顯微鏡技術的獨特之處在於，它深入揭示了超表面的複雜性，爲光學設備如透鏡的進一步設計和創新鋪平了道路，目標是製造更加平坦、高效的光學系統。
2、快速決策還是推後決策更好：決策背後的數學
美國佛羅里達州立大學的最新研究揭示了初始偏見和附加信息如何影響決策的數學原理。該研究表明，當決策者迅速得出結論時，他們的決定更容易受到他們最初的偏見的影響，或者傾向於在一個選擇中出錯。如果決策者等待收集更多的信息，那麼緩慢的決策就不會那麼有偏見。成果發表在《物理評論E》（Physical Review E）雜誌上。
研究團隊開發了一個數學模型，模擬了需要在兩種結論中做出選擇的決策者，即正確和錯誤的結論。模型假設每個人都是理性決策者，根據自己的初步偏見和獲取的信息作出決策，而不受周圍人決策的影響。
即使在充分理性的假設下，早期做出決策的人也有50%的機率得出錯誤的結論。隨着參與者獲取更多信息，他們的決策表現出較少的偏見，正確結論的概率也相應增高。
當然，現實世界中，人們的決策會受到多種因素的影響，如情緒、同伴的選擇等。此研究爲理解個體如何在完全理性的情況下作出決策提供了一個基準，並可用來比較現實數據，探討人們在何處偏離了理性最優選擇，以及是什麼因素引發了這些偏差。
這個模型被稱爲漂移擴散模型，因爲它融合了兩個概念：即代理人根據證據向正確結果“漂移”的傾向，以及信息呈現的隨機性導致的“擴散”。
該研究可幫助解釋人們何時會過度受到早期決定的影響或變成羣體思維的犧牲品，甚至可以用於描述其他複雜系統的行爲，如免疫系統或神經網絡。
3、一種新方法可讓機器人團隊更高效地完成任務
美國馬薩諸塞大學阿默斯特分校的新研究表明，通過編程讓機器人自主形成團隊並在合適的時間等待隊友，可以顯著提高完成任務的效率。該研究在2024年IEEE機器人與自動化國際會議上被提名爲多機器人系統最佳論文獎。
在製造、農業和倉儲自動化等領域，機器人團隊的使用越來越受到青睞，因爲它能最大化每個機器人的潛力。然而，如何有效協調各種功能不同的機器人，成爲了一個挑戰。
研究人員提出了一種基於學習的調度策略——自願等待和子團隊學習（learning for voluntary waiting and subteaming，LVWS），以優化機器人的任務執行效率。例如，就像人類面對無法單獨搬運的大盒子時需要協作一樣，機器人也需多機協同完成這類任務。
自願等待的策略是研究的一個創新點。研究人員希望機器人能主動等待，因爲如果機器人僅選擇立即可執行的小任務，那麼一些大任務可能永遠無法完成。
爲了驗證LVWS策略的效果，研究人員在計算機模擬中安排了6個機器人執行18個任務，並將該方法與四種其他策略進行了比較。模擬中存在一個理論上的最佳解決方案，研究人員通過模擬運行不同方案並計算每種方法與最佳解決方案的偏差，這種偏差被稱爲次優性。
結果顯示，與其他方法的次優率相比，LVWS策略的次優率僅爲0.8%，接近理論上的最佳解決方案。
《賽特科技日報》網站（https://scitechdaily.com）
古生物學的驚喜：最新研究表明最大霸王龍比以前認爲的要大得多
最新的研究表明，霸王龍的最大體型可能達到15噸重，15米長，遠超目前已知的任何標本。這一發現發佈在《生態與進化》（Ecology and Evolution）雜誌上，表明隨着古生物學研究的深入，我們可能會發現更大的霸王龍存在。
加拿大自然博物館和英國倫敦瑪麗女王大學的研究人員通過計算機模擬，估算霸王龍（Tyrannosaurus rex）的體重可能比化石證據顯示的要重70%。由於大多數恐龍物種的化石較爲罕見，目前的大小範圍可能並未包括歷史上最大的個體。
研究人員利用計算機模型考慮了種羣規模、生長速度、壽命及化石記錄的不完整性等因素，評估了霸王龍的潛在最大尺寸。他們發現，已知的最大霸王龍化石可能只代表了體型前1%的個體，而要找到體型前萬分之一的化石，則可能需要再挖掘1000年。
計算機模型表明，可能存在的最大個體（25億隻動物中有一隻）可能比目前已知的最大的霸王龍標本重70%（估計15噸對8.8噸），長25%（估計15米對12米）。
這些數值是根據模型估計的，但是發現現代巨型物種的模式告訴我們，一定有更大的恐龍還沒有被發現。
古生物學家爲某一特定物種找到最大個體的可能性非常小。所以儘管博物館中展出了巨大的化石骨架，但這些還可能不是其物種中的最大個體。（劉春）