الأنهار الجزرية تعزز صحة الشعاب المرجانية
وقال د. تايلور بيرون، الأستاذ في المعهد، والباحث الرئيسي في الدراسة: «إن ما يعرف بممرات الشعاب المرجانية، وهي قنوات مائية عميقة تخترقها حول الجزر البركانية، تشكلت بفعل الأنهار التي تنحت هذه المسارات أثناء تدفقها نحو المحيط».
وأضاف: «إن هذه الممرات تسمح بدوران المياه بين المحيط والبحيرات الساحلية، ما يضمن دخول المياه المالحة وخروجها بشكل متوازن، إلى جانب نقل المغذيات الأساسية التي تعزز بيئة الشعاب المرجانية».
ركز الباحثون في دراستهم على أرخبيل جزر المجتمع في جنوب المحيط الهادئ، بالقرب من تاهيتي وبورا بورا، مستفيدين من صور الأقمار الصناعية نتيجة تعذر الوصول الميداني بسبب جائحة كورونا.
وتمكن الباحثون من إثبات وجود علاقة مباشرة بين مواقع تصريف الأنهار الجزرية، وتكوّن ممرات الشعاب المرجانية، إذ تتماشى هذه القنوات المرجانية مع الأماكن التي تفرغ فيها الأنهار رواسبها ومياهها العذبة.
وخلصت النتائج إلى أن الأنهار، بشكلها الطبيعي، تدعم صحة الشعاب المرجانية عبر العصور الجيولوجية.
هاشتاغز
جرب ميزات الذكاء الاصطناعي لدينا
اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:
التعليقات
لا يوجد تعليقات بعد...
أخبار ذات صلة
صحيفة الخليج
منذ يوم واحد
- صحيفة الخليج
مجهر يكشف أسرار التمثيل الضوئي للشعاب المرجانية
طور علماء من معهد سكريبس لعلوم المحيطات بجامعة كاليفورنيا الأمريكية، مجهراً متقدماً يُتيح لأول مرة دراسة التمثيل الضوئي بالشعاب المرجانية بدقة غير مسبوقة، في بيئتها الطبيعية تحت الماء. المجهر الجديد، الذي يُعرف باسم «المجهر القاعي للتصوير تحت الماء بتقنية الضوء المعدلة»، يعمل بواسطة الغواصين ويستخدم تقنيات تصوير متطورة لرصد العلاقة الحيوية بين الشعاب المرجانية والطحالب الدقيقة التكافلية التي تعيش داخل أنسجتها. وأوضح الباحث الرئيسي د. أور بن تسفي، أن المجهر يمثل نقلة نوعية في دراسة الشعاب المرجانية، خصوصاً في ظل التهديد المتزايد لتبييض المرجان الناتج عن التغير المناخي. ويُتيح المجهر، لأول مرة، فحص كفاءة التمثيل الضوئي لكل نوع من الطحالب داخل أنسجة المرجان دون تدخل جراحي، باستخدام صور وفيديوهات عالية الدقة والفلورية ويعد هذا التطور خطوة مهمة نحو فهم أسباب فقدان الطحالب التكافلية وبالتالي ابيضاض الشعاب المرجانية وهي عملية بيئية ما تزال غير مفهومة تماماً رغم آثارها الكارثية.
صحيفة الخليج
منذ 3 أيام
- صحيفة الخليج
التنقيب في أعماق البحار يؤثر في الحياة البحرية
متابعات-'الخليج': كشفت دراسة نُشرت، الخميس، أنّ أعمال التنقيب في أعماق البحار قد تؤثر في الحياة البحرية، من أصغر الكائنات الحية إلى الحيوانات المفترسة الكبيرة مثل سمك أبو سيف وأسماك القرش. دفعت شركة «ذي ميتالز كومباني» الكندية نحو مليون دولار لهيئة البحوث العلمية الأسترالية، لمعاينة البيانات التي جُمعت في المحيط الهادئ. وتغطي مساحات شاسعة من قاع المحيط الهادئ عُقيدات متعددة المعادن، وهي عبارة عن حصى تحتوي على مستويات متفاوتة من المنغنيز والكوبالت والنحاس والنيكل. وتسعى «ذي ميتالز كومباني» إلى أن تكون أول شركة تستخرج هذه العقيدات من المياه الدولية، وتحديداً في منطقة كلاريون-كليبرتون، الواقعة بين المكسيك وهاواي. ولم تتوصل شركات التعدين بعد إلى أفضل طريقة لاستخراج العقيدات التي تقع على عمق خمسة كيلومترات أو أكثر. وتركز جهودها على آلات روبوتية تشفط العقيدات وهي تمسح قاع المحيط. وأشارت الدراسة إلى أن أنواعاً مثل خيار البحر والديدان البحرية ونجم البحر والقشريات قد تشهد «انخفاضاً كبيراً» في أعدادها نتيجة لهذه الممارسات. وتتعافى بعض الأنواع جزئياً خلال عام واحد، لكن الكائنات الصغيرة التي تتغذى على الرواسب أظهرت «تعافياً ضئيلاً جداً». وقال العالم بيرس دانستان في مؤتمر، الخميس، «في قاع البحر، تُظهر أبحاثنا وجود آثار محلية كبيرة لعمليات التعدين المختلفة». وقد تبدأ المعادن السامة بالتراكم في أجسام الأسماك المفترسة بعد تعرضها لفترات طويلة للرواسب الناتجة عن عمليات الحفر. وأشار العلماء في تقريرهم إلى أن «سمك أبو سيف وأسماك القرش الكبيرة تراكمت في أجسامها أعلى تركيزات من المعادن». وقال بيرس دانستان إنّ «هذا المشروع يساعد على ضمان وجود نهج واضح لفهم المخاطر والآثار المحتملة على الحياة البحرية والنظم البيئية في حال استمرار التعدين في أعماق البحار».
البيان
منذ 4 أيام
- البيان
الكشف عن أول أشباه موصلات في العالم باستخدام تقنية الكم
في خطوة علمية ثورية، أعلن باحثون من منظمة الكومنولث للبحوث العلمية والصناعية (CSIRO)، الوكالة الوطنية الأسترالية للأبحاث، عن أول أشباه موصلات في العالم تم تصميمها باستخدام تقنيات الكم. هذه التقنية الجديدة، التي تعتمد على التعلم الآلي الكمومي، تفتح آفاقًا غير مسبوقة في تصنيع أشباه الموصلات التي ستشكل مستقبل الأجهزة الإلكترونية. التعلم الآلي الكمومي يتفوق على تقنيات الذكاء الاصطناعي الكلاسيكية (CML) المستخدمة حاليًا في تصميم وتصنيع الرقائق الدقيقة، مما يتيح تحسينات كبيرة في كفاءة عملية التصميم. في الماضي، كان تصميم أشباه الموصلات يعتمد على التعاون بين خبراء في مجالات متعددة مثل الهندسة الكهربائية، علوم المواد، والحوسبة، الذين يعملون معًا لتصميم دوائر متكاملة تشغل الأجهزة الحديثة. وكان هذا العمل يتطلب دقة عالية في الاختبارات والمعايير، وفقا لموقع "interestingengineering". ومع تطور تقنيات الحوسبة والذكاء الاصطناعي، شهد تصميم أشباه الموصلات تحسنًا ملحوظًا، حيث كان التعلم الآلي الكلاسيكي جزءًا من هذه العملية. ولكن مع تعقيد الأنظمة وتقليص العينات، بدأت تقنيات الذكاء الاصطناعي الكلاسيكية في فقدان فعاليتها في بعض الحالات، وهو ما دفع باحثي CSIRO لاستكشاف التعلم الآلي الكمومي (QML) كحل بديل قادر على معالجة هذه التحديات. التحديات في تصميم أشباه الموصلات: المقاومة الأومية ركز فريق البحث بقيادة محمد عثمان، رئيس قسم أنظمة الكم في CSIRO، على نمذجة المقاومة الأومية في أشباه الموصلات. هذه المقاومة هي مقياس لمدى صعوبة مرور التيار الكهربائي عبر الموصلات عند تلامسها مع المعادن، وهي تعد من العوامل الحاسمة في تصميم الرقائق. لكن من الصعب جدًا نمذجة هذه المقاومة بدقة، مما جعلها تحديًا كبيرًا في تحسين تصميم أشباه الموصلات. استخدم الفريق بيانات من 159 عينة تجريبية من ترانزستور GaN HEMT، الذي يعد أكثر كفاءة من أشباه الموصلات التقليدية المصنوعة من السيليكون. استخدم الباحثون في البداية مجموعة من المعايير، ثم عملوا على تقليصها لتحديد العوامل الرئيسية التي تؤثر في عملية التصنيع. حيث بدأوا بـ37 معيارًا، ثم قاموا بتقليصها إلى خمسة معايير رئيسية. كيف يعمل التعلم الآلي الكمومي؟ أوضح عثمان أن القدرة الحسابية للأجهزة الكمومية الحالية محدودة، ولهذا كان من الضروري تبسيط النموذج الكمومي ليتناسب مع هذه الإمكانيات. ولتنفيذ ذلك، طور الفريق محول الانحدار الكمومي المحاذي للنواة (QKAR)، الذي يتيح تحويل البيانات الكلاسيكية إلى بيانات كمومية عبر خمسة كيوبتات. يعمل QKAR على استخراج الخصائص الهامة من البيانات، وتستخدم خوارزمية تقليدية بعد ذلك لتحليل النتائج وتوجيهها لتحسين عمليات التصنيع. بفضل هذه التقنية، تمكن الباحثون من تحديد المعايير المؤثرة في عملية التصنيع، وبالتالي معرفة ما يجب تعديله لتحسين أداء المنتجات النهائية. تفوق الكم على الذكاء الاصطناعي الكلاسيكي أظهرت التجارب أن QKAR قد تفوق على سبع خوارزميات CML مختلفة كانت تستخدم لحل هذه المشكلة. والأهم من ذلك، أن QKAR يتطلب فقط خمسة كيوبتات، مما يجعله قابلًا للتطبيق الفوري في الصناعة دون الحاجة إلى أجهزة كمومية معقدة. زهينج وانج، الباحث في CSIRO، أكد أن نتائج البحث تظهر أن النماذج الكمومية يمكنها التقاط الأنماط التي قد تفوتها النماذج الكلاسيكية، خصوصًا في الأنظمة المعقدة التي تحتوي على بيانات صغيرة أو عالية الأبعاد. وقد تم التحقق من صحة النموذج من خلال تصنيع أجهزة GaN جديدة، أظهرت أداءً محسنًا. أظهرت نتائج البحث التي نُشرت في مجلة Advanced Science أن التعلم الآلي الكمومي قد يمثل خطوة كبيرة نحو تحسين عملية تصميم وتصنيع أشباه الموصلات، ويمكن أن يُحدث ثورة في صناعة الأجهزة الإلكترونية المستقبلية.
