fbpx Il paradosso del Sole più fioco | Page 22 | Scienza in rete

Il paradosso del Sole più fioco

Primary tabs

Read time: 2 mins

Quattro miliardi di anni fa il Sole era meno brillante di quanto non lo sia ora. Eppure sulla Terra non mancò mai acqua allo stato liquido, condizione indispensabile per lo sviluppo della vita. Come uscire da questo paradosso? Su Nature è appena stata pubblicata una plausibile spiegazione.

Le stime degli astronomi indicano che nel corso della sua storia il nostro Pianeta sperimentò un incremento della luminosità solare tra il 25 e il 30%. Viene subito da pensare che, con un irraggiamento ridotto di oltre un quarto, la Terra fosse ridotta a una ghiacciaia. Poiché questo non avvenne, si è finora ipotizzata la presenza di un massiccio effetto serra in grado di trattenere il più possibile la scarsa luce solare. Peccato, però, che di questa atmosfera satura di anidride carbonica non vi sia nessuna traccia geologica.

Nello studio appena pubblicato Minik T. Rosing (Natural History Museum of Denmark) e i suoi collaboratori puntano il dito in tutt'altra direzione. Secondo i ricercatori, poiché nell'Archeano le terre emerse erano inferiori a quelle attuali, la superficie del nostro pianeta era caratterizzata da un'albedo inferiore, cioè rifletteva meno la luce solare. Se a questo si aggiunge la mancanza di nuclei di condensazione in grado di far addensare le nubi – oggi la produzione di queste piccole particelle è gran parte opera delle piante e delle alghe – si ottengono condizioni ambientali con temperature al di sopra del congelamento dell'acqua. Senza la necessità, dunque, di invocare estreme concentrazioni di gas serra.

Nature - Stanford University

Autori: 
Sezioni: 
Indice: 
Climatologia

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.