fbpx Bye bye, Nemesis | Page 3 | Scienza in rete

Bye bye, Nemesis

Read time: 2 mins

Un differente approccio statistico ai dati relativi alla craterizzazione da impatto del nostro pianeta suggerisce che la periodicità in passato individuata da alcuni ricercatori in realtà non esiste.

Alcuni avevano puntato il dito contro il periodico saliscendi del Sistema solare rispetto al piano della Via Lattea, conseguenza diretta del moto galattico del Sole, altri avevano chiamato in causa un'ipotetica compagna della nostra stella: Nemesis. Nascosta nell'ombra, ma in grado di sconvolgere le orbite dei corpi più periferici del Sistema solare e dirottarne a frotte verso le regioni più interne, innescando in tal modo un micidiale e terrificante bombardamento cosmico. In entrambi i casi si tratta di meccanismi caratterizzati da una precisa periodicità e i dati relativi ai crateri terrestri sembravano rispondere a questo andamento periodico.

Secondo Coryn Bailer-Jones (Max-Planck-Institut für Astronomie), però, tale periodicità è uno scherzo statistico. Nel suo studio, pubblicato su Monthly Notes of the Royal Astronomical Society e condotto applicando il metodo statistico Bayesiano, mostra infatti che impiegando un differente approccio statistico le periodicità, prima così marcate, svaniscono.

Emerge anche dell'altro. Se, considerando i crateri più grandi (diametro superiore ai 35 km), non appare traccia di periodicità negli ultimi 400 milioni di anni, quando l'indagine la si estende a tutti i crateri emerge un graduale incremento negli ultimi 250 milioni di anni. C'è da preoccuparsi? Per ora no, dato che che prima si dovrà comprendere a fondo il meccanismo che sul nostro pianeta fa rapidamente degradare i crateri più piccoli rendendoli dunque sempre meno numerosi man mano che si va indietro nel tempo.

Max-Planck-Institut für Astronomie

Autori: 
Sezioni: 
Sistema solare

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.