也曾发生过类似的同窗投毒案，最后被断案高手破获，揪出真正的元凶。 复旦大学研究生投毒案因罪犯被执行死刑，再次成为媒体关注焦点。医学院研究生林森浩因为生活琐事对同窗黄洋不满，逐渐怀恨在心，于两年前将剧毒化合物投入饮水机毒杀之。唐朝也曾发生过类似的同窗投毒案，最后被断案高手狄仁杰破获，揪出真正的元凶。 新媳妇七窍流血暴毙，家人告同窗投毒 狄仁杰(630年-700年)，并州太原城(今山西省太原市)南狄村人，应试明经科(唐代制中科目之一)，从而步入仕途，曾经出为统帅，入为宰相，名播海内。史书记载，仪凤年间(676年-679年)，他为大理寺丞，一年之内断滞狱17000余人，没有一个的，一时朝野。其实在他担任县、州衙门官员期间，也神机妙算，断狱如神，勘破疑案冤案无数。 这里讲的同窗投毒案，就是他早年担任幽州昌平旧县(今北京市昌平区城南街道)县令时审理的一桩奇案。 圣历元年(698年)的一天，狄仁杰忽听衙前一片哭声，许多人揪着一名20多岁的青年男子，后面跟着一哭天喊地的中年妇女，一起拥进门来。狄仁杰见状，急令差役挡住众人，只许原告上堂。原告是那中年妇人和一白发老者，中年妇女哭诉说：“小妇人李，丈夫早亡，只有一女李黎姑，今年19岁，前日嫁与本地举人华国祥之子华文俊为妻，未及三日，忽然死亡。我去观看，只见我女儿浑身青肿，七窍流血，显然是他家谋害而死。求青天老爷为民妇作主。”网络配图 狄仁杰问老者可是华国祥? 回答说是。狄仁杰说：“佳儿佳妇，本是人生乐事，为何娶媳三日即死?从实供来。”华国祥地答：“我家乃诗礼之家，岂敢肆行凌虐。儿子文俊是应试的童生，，夫妇和谐，何忍下此毒手!只因前日佳期，宾朋盈门，晚间有许多少年亲友闹新房，其中有一人叫胡作宾，也是县学生员，与小儿同窗契友，最爱嬉戏。他见儿媳有几分姿色，顿生妒忌之心，品头论足，闹个不停。我见夜深更转，恐误佳期，便请他们到书房饮酒，众人皆肯，唯独胡作宾不肯。我说了他几句，他便恼羞成怒，恶毒地说：‘取闹新房，金吾不禁。你这老头，如此可气，三朝内定叫你知我利害。’我当时只当戏言，没有在意，孰料他心胸窄狭，昨日复行请酒，不知怎么他竟把毒药放在新房茶壶内。昨晚文俊在外面陪酒，幸未饮用，媳妇不知何时饮茶，三更时腹痛异常，请医救治，已来不及了，未及四更便一命呜呼。可怜一位的媳妇，竟被恶徒害死，务求大人为小民申冤。” 狄仁杰命将胡作宾传上堂来，要他从实招供。胡作宾拜伏在地，含泪回道：“大人请息，容生员细讲。前日闹房之事，生员取笑，实为过分，但当时在场者不下三四十人，华国祥摆出一副长辈面孔，独独当众呵责于我，弄得生员一时颇为尴尬，于是说了句不知轻重的话，教他三日之内防备，这乃发窘之时的失态言语，纯属戏言，岂能当真。既然次日华国祥又设宴相请，即使有隙，也已，岂能为此干出谋害人命勾当? 生员知书达理，岂不知国法昭彰，，况家中还有妻儿老母，需靠我教书度日，我不为己想，也要为他们着想。即使我有妒忌之心，也只会想方设法谋占她，怎会将她毒死? 求大人明察。” 胡作宾话音刚落，只见一个四五十岁的妇人上堂喊冤，原来她是胡作宾之母胡，多年孀居抚养儿子，今儿因一句戏言而遭飞来横祸，她生怕独生子堂上受苦，故来喊冤求情。 狄仁杰见无证据，只凭原告一面之词，难以定案，便命将胡作宾押在牢中，等勘察了现场再行审问。 狄仁杰令人把死者李黎姑的伴姑高唤来，伴姑见到狄仁杰便跪倒在地，向狄仁杰请安。狄仁杰问她：“你便是伴姑吗? 是李府陪嫁过来还是华家仆妇? 连日新房里面出入人多，你为何不小心照应呢?” 伴姑低头禀道：“老奴从小蒙厚爱，留养在李家，作为婢女，后来嫁与高起为妻。我夫妻两人皆在李家为役，小姐李黎姑是我从小带大的。近来小姐出嫁。夫人见老奴是个旧仆，特命前来为伴，不料前晚竟出了这祸事。小姐死因不明，叩求大老爷将胡作宾拷问。”网络配图 狄仁杰最初怀疑李黎姑的死是伴姑暗中加害所致，所以提审伴姑。此时听她所说，乃是李家的旧仆人，而且小姐李黎姑是由她从小带大的，断无毒害之理，心里反没了主意。 毫无头绪，偶获灵感 狄仁杰从华家回衙后，，一连数日想不出破案的办法，华国祥以为狄仁杰有意开脱胡作宾，故意拖延不想结案，便闯入县衙当面质问狄仁杰，搞得不欢而散。 这天狄仁杰独自一人在堂上苦思，分析案情，家人送来一杯茶，狄仁杰掀开盖子，只见几点黑沫浮在茶水之上。狄仁杰责怪家人不用洁净水烹煮，家人回答说：“此事与茶夫无涉，可能是泡茶时屋上檐口飘下的灰尘落在里面，当时未看清楚，以致如此。” 狄仁杰一听此话，猛然醒悟，便传来华家伴姑高陈氏，问道：“你家新房那壶茶的茶水，是外面茶坊中买来的，还是在家中烹烧的。” 回答是自家烧煮的。狄仁杰又问在何处烧水，回答说在厨房下首闲屋内。 毒物难辨， 次日，狄仁杰来到华国祥家，详细询问了华文俊、伴姑、仆人等相关人员，了解了案发经过，众人异口同声认为胡作宾作案嫌疑最大。狄仁杰指出几点疑点，竟被华国祥视为为胡作宾开脱，心中很不高兴。 狄仁杰见众人虽怀疑胡作宾投毒，但却无一人亲眼看见他进入新房，遂怀疑华家其他人有可能投毒。经过调查，排除了那日进出新房的华家之人投毒的可能，只好待验尸后再说。 狄仁杰命人将新房中的茶壶拿来，倒了一杯茶，果见颜色，如同糖水一样，有阵阵腥气发出。命人拿出食物，将茶水倒入，然后牵一条狗来吃食物，那狗食后也一命呜呼。走到停放尸体的床前，只见死者青肿，口中流血，显见是毒物所致。狄仁杰见情况已经清楚，征得家属同意后，让他们具结免验，将尸体早日收殓。 狄仁杰心想此案系投毒案无疑，然自古以来投毒者无非是用砒霜之类，纵然可以使人七窍流血，立时毙命，但却无如此大的腥秽之气，显见另有别故。 现场模拟，元凶现形 次日，狄仁杰便装只带两名差役及马荣、乔泰，步行到华家。一进入厅中，便命华国祥将烧茶的仆妇唤来问话。据此人说那日烧水的炉子本在屋内，伴姑来取开水，因炉上开水已尽，她便把炉子挪到檐口之下，添炭加水，又烧了一壶，只用了一半泡茶，另半壶水放在院中添加冷水时，不慎绊倒泼于地下。其他事项一概不知。 狄仁杰听了此话，便要华国祥随他一同到厨下察看。只见那厨房已破旧不堪，瓦木已多半朽坏，狄仁杰让伴姑指出那日放炉子的地点，细心观察，见檐口已朽坏，椽子已闪落半截。狄仁杰命伴姑将炉子放在原处，添火烧水，水开后泡茶，却又不饮，添水再烧，如此十余次。忽然檐口落下几点灰泥，伴姑用手拂去，狄仁杰见状，喊她过去，说害你家小姐的毒物，顷刻便见了。网络配图 众人不知他的意思，不敢开口，凝神屏气，只是两眼直直地向上张望。果不然，只见火炉一股热烟直冲屋顶，一条白花花的东西被烟气熏得微微蠕动，终于伸出一个蛇头，从口中流出一条浓涎来，正好滴入炉中。那蛇头朝四下张望了一下，猛看见底下有许多人，连忙又缩了回去。 狄公转身望着华国祥，只见这位老举人仍然仰着一张木然的脸，呆呆地盯住那檐口，张开的嘴半天合不拢来。狄公道：“看明白了吗?这就是谋害令媳的凶手。尊处房屋历久失修，才生出这号毒物。依我看，不如趁此将它拆毁，以免后患。” 华国祥，听任狄公指挥。狄公一声令下，众家人一齐动手，寻出钉耙锄头，几下子就把檐口的椽子、瓦片一股脑儿地捣将下来。一条足足有三尺长的银环蛇由泥瓦中突然蹿出来，还不等它明白发生了什么事，就已被一把火叉夹住。大伙呐喊着，纷纷围拢上来。早有人提起锄头，朝那蛇头上狠狠一击。那蛇扭动了几下身子，便不再动弹了。 狄仁杰破了此案，命人将李王氏接来，对她讲明其女儿的死因。李王氏听后大哭，唯有叹息女儿李黎姑命苦。 免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。 机器学习揭开系外行星内部结构之谜近年来，随着天文观测技术的进步，我们对系外行星的认识不断深化，探索已从发现转向深入研究其内部结构和大气，以寻找适宜人类居住的行星。澳门科技大学月球与行星科学国家重点实验室的倪冬冬副教授和赵勇助理教授研究团队，利用机器学习技术，在这一领域取得了重要突破。该团队的研究成果表明，混合密度网络（Mixture Density Network，MDN）在预测岩石系外行星和气态巨行星内部结构中具有强大潜力，为系外行星研究带来了全新视角。从岩石行星到气态巨行星：机器学习应用的初探了解岩石系外行星的内部结构是研究其宜居性的重要目标之一。行星的核心热状态及表面水含量等因素直接决定其宜居条件。传统上，研究人员使用质量-半径曲线来推断行星的内部结构，但这种方法存在简并性且计算复杂耗时。该团队提出了一种基于MDN的机器学习模型，通过质量、半径和水含量快速预测行星径向结构和核心热状态。MDN模型只需几毫秒即可得出预测结果，极大提高了效率。相比于岩石行星，气态巨行星的内部热状态表现出巨大的多样性，面对这种挑战，该团队利用两层内部结构模型生成的数据训练了MDN模型，成功通过质量、半径和表面温度预测0.1到10个木星质量的气态巨行星的总重元素质量、固有有效温度及核心包层边界的温度和压力。这不仅扩展了MDN模型的应用范围，也为理解气态巨行星的形成过程和内部结构提供了新视角。倪冬冬副教授赵勇助理教授研究团队利用MDN模型成功实现对岩石系外行星和气态巨行星内部结构的预测，并在最新的研究中证明了MDN模型与MCMC方法预测结果的一致性，同时MDN模型具有更高的效率和易用性。综合观测数据：多参数约束下的内部结构推断为了减小内部结构的简并程度，该团队探讨了其他重要观测量（如恒星耐热元素丰度比和潮汐效应）作为机器学习模型输入特征的可能性，并进一步完善了MDN模型。在新的研究中，他们利用多个观测参数（如行星质量、半径、耐热元素丰度比Fe/ Mg + Si、潮汐洛夫数）训练了新的机器学习模型，大大提高了预测行星核心热力学环境、幔层厚度和可能水冰含量的精度。机器学习与贝叶斯反演对比：效率与准确性的平衡贝叶斯反演算法在推断系外行星内部结构方面取得了成功，但其计算复杂且耗时。该研究团队最新的研究结果表明，MDN机器学习模型不仅能够快速提供内部结构预测，其精度在多数情况下与贝叶斯方法相当。MDN模型展示出高效计算优势，对于单个行星的结构推断可在1秒内完成，远快于贝叶斯方法所需的数小时或数天。此外，MDN模型适应性强，一旦训练完毕，即使面对新的观测数据，也能高效准确地表征行星内部结构。随着詹姆斯·韦伯太空望远镜的成功运行，系外行星的探测精度不断提高，新的观测数据也不断涌现。机器学习技术能够快速解读这些新数据，对理解系外行星的形成过程和演化历史具有重要意义，有望进一步揭示宇宙中潜在的宜居世界。以上研究得到澳门科学技术发展基金（0005/2019/A1、0002/2019/APD和0048/2020/A1）、澳门科技大学教师科研基金（FRG-23-005-SSI）、国家自然科学基金优秀青年科学基金（12022517）和中国国家航天局民用航天技术预研究项目（D020308和D020303）的资助。参考文献：Yong Zhao et al., Comparison of machine-learning and bayesian inferences for the interior of rocky exoplanets with large compositional diversity, ApJS, 2024.Yong Zhao et al., Machine-learning Inferences of the Interior Structure of Rocky Exoplanets from Bulk Observational Constraints, ApJS, 2023.Yong Zhao and Dongdong Ni, Understanding the interior structure of gaseous giant exoplanets with machine learning techniques, A&A, 2022.Yong Zhao and Dongdong Ni, Machine learning techniques in studies of the interior structure of rocky exoplanets, A&A, 2021.