火狐体育压注:《自然》（20240229出版）一周论文导读

　　宇宙再电离是宇宙大爆炸后约600~800 Myr从中性氢到电离等离子体的主要相变，但人们对确定驱动宇宙再电离的来源一直存在争议。一些模型表明，类星体的高电离发射率和逃逸分数（fesc）支持其在推动宇宙再电离中发挥作用。

　　另一些人提出，明亮星系的高fesc值会产生足够的电离辐射来驱动这一过程。最后，一些研究表明，当与电离效率和fesc的恒星质量依赖模型结合时，微弱星系的数量密度可以有效控制宇宙再电离。然而迄今为止，由于低质量星系极其微弱，尚未对其做全面的光谱研究。

　　研究组报道了在再电离时期对8个超微弱星系（在一个非常小的场中）的分析，绝对星等在MUV≈?17等和?15等之间（低至0.005L?）。结果发现，在宇宙的前10亿年间，微弱星系产生了log[ξion?(Hz?erg?1)]= 25.80±0.14的电离光子，比通常假设的值高出4倍。

　　如果这个场代表了微弱星系的大规模分布，那么电离光子的速率就超过了再电离所需的速率，即使fesc为5%数量级时亦是如此。

　　3D打印（即结构材料的增材制造，AM）的优势因其差强人意的疲劳性能而受到严重损害。通常，较差的疲劳性能似乎因当前印刷工艺过程中产生气孔所造成。因此，研究组提出疑问，消除这一些气孔是否可为明显提高无孔AM（Net-AM）合金的抗疲劳性提供可行的解决方案？

　　通过了解相变和晶粒生长的异步性，研究组进一步开发Net-AM工艺技术，成功地在Ti-6Al-4V钛合金中重建了几乎无气孔的AM微结构。他们确定了这种AM微结构的抗疲劳性，并表明其约1 GPa的高疲劳极限超越了所有AM和锻造钛合金以及其他金属材料的抗疲劳性能。

　　研究结果证实了Net-AM微结构具有高抗疲劳性能，以及AM工艺在生产具有最大疲劳强度结构部件方面的潜在优势，这有利于AM技术在工程领域的进一步应用。

　　多相催化剂被大范围的使用在促进化学反应。虽然已知化学反应通常发生在催化剂表面，但只有特定的表面位点具有高催化活性。因此，确定活性位点并使其最大限度地发挥作用是催化研究的核心，其中经典模型是根据不同的表面构型（如平台面和台阶）对活性位点进行分类。

　　然而，这种简单的分类往往会导致催化剂活性预测的数量级误差和活性位点的定性不确定，从而限制了催化剂设计的机会。

　　以台阶型Pt（111）表面和电化学氧还原反应（ORR）为例，研究组证明了较大误差和不确定性的最终的原因是简化了分类，忽略了由表面应力释放驱动的原子位点特异性反应性。具体而言，各台阶的表面应力释放引入了不均匀的应变场，压缩率高达5.5%，导致具有相同局部配位的平台面原子具有不一样的电子结构和反应性，并导致原子位点特异性的ORR活性增强。

　　对于台阶边缘两侧的平台面原子，其活性增强程度比平台面中间的原子高出50倍，这实现了通过改变平台面宽度或控制外部应力来控制ORR反应性。因此，上述协同作用的发现为催化活性原子位点的基本认识和多相催化剂的设计原理提供了新视角。

　　生物聚合物的液—液相分离（LLPS）最近被证明在具有多种生物功能的无膜细胞器形成中起着核心作用。LLPS和大分子凝聚之间的相互作用是持续研究的一部分。合成的超分子聚合物是大分子的非共价拥挤物，但鲜有报道其发生LLPS。

　　研究组表明，通过合成组分的超分子聚合获得的连续生长的原纤维，通过熵驱动的途径负责相分离成高度各向异性的水性液滴（类晶簇）。受右旋糖苷浓度调节的拥挤环境不仅影响超分子聚合动力学，还影响LLPS的性质，包括相分离动力学、形态、内部有序、流动性和最终类晶簇的力学性能。

　　此外，基底—液和液—液界面被证明能够加速超分子聚合物的LLPS，可产生无数的三维有序结构，包括表面高度有序的微米长的类晶簇阵列。几种超分子聚合物证明了超分子聚合控制新兴形态的普遍性和诸多可能性，开辟了一个从稳定LLPS的高度结构化水溶液到纳米级软物质的新物质领域。

　　目前亟需普遍适用于各种底物的反应条件，特别是在制药和化学工业中。尽管有许多方法可用于评估所开发条件的普遍适用性，但在优化过程中有效发现这些条件的通用方法却很少。

　　研究组报道了强化学习bandit优化模型的设计、实现和应用，通过有效的条件采样和实验反馈的评估来识别普遍适用的条件。现有数据集的性能基准统计显示，该模型识别通用条件的准确性很高，与模仿最先进优化法的基线%。

　　研究组对钯催化的咪唑C-H芳基化反应、苯胺酰胺偶联反应和苯酚烷基化反应进行了实验研究，以评估bandit优化模型在实践中的应用情况和功能。在调查了不到15%的专家设计的反应空间后，研究确定了上述三种情况下最普遍适用但尚未进行充分研究的反应条件。

　　每年，人们花在阅读上的时间慢慢的变少，而花在观看网络激增图像上的时间慢慢的变多。每天有数百万人下载来自谷歌和等平台的图片，还有数百万人通过Instagram和TikTok等社会化媒体进行互动，主要为交换视觉内容。与此同时，新闻机构和数字广告商慢慢的变多地利用图像在网上吸引人们的注意力，人们对图像的处理相比文本速度更快、更含蓄、更容易记住。

　　研究组表明，网络图像的兴起大大加剧了性别偏见，在统计普遍性和心理影响上均是如此。他们从谷歌、和互联网电影数据库（IMDb）的100多万张图片以及这一些平台的数十亿个单词中，研究了3495个社会类别（如“护士”或“银行家”）的性别关联。

　　结果发现，在两性的社会类别中，性别偏见在图像中始终比在文本中更普遍。同时，有记录的女性网络代表性不足，这种不足在图像中比在文本、公众舆论和美国人口普查数据中要严重得多。最后，一项具有全国代表性的预注册实验表明，在谷歌上搜索职业图片而非文字描述会放大参与者信念中的性别偏见。

　　解决这种大规模转向视觉传播的社会影响，对于发展一个公平包容的互联网未来至关重要。