诺贝尔物理学奖变身“理综”奖:乍看颁给全球变暖研究,其实背后通用理论模型影响机器学习

其中一人实现物理学“大满贯”

梦晨 鱼羊 发自 凹非寺

量子位 报道 | 公众号 QbitAI

刚刚,2021年诺贝尔物理学奖结果揭晓。

今年的物理奖依旧分为两部分,授予3位对理解复杂系统做出突破贡献的物理学家。

其中一半颁给了真锅淑郎 (Syukuro Mnabe)和克劳斯·哈塞尔曼(Klaus Hasselmann):

以表彰他们为地球气候建立了物理模型,量化其变异性并可靠地预测全球变暖。

另一半颁给乔治·帕里西(Giorgio Parisi):

以表彰其在原子到行星尺度的物理系统中发现无序和涨落的相互作用。

也就是说,真锅淑郎和Klaus Hasselmann将分别获得1/4诺贝尔物理学奖奖金,而Giorgio Parisi将获得剩下1/2奖金。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

诺贝尔物理学委员会主席Thors Hans Hansson对此评价说:

今年获奖的研究表明,我们关于气候的知识,是基于对观测的严格分析、建立在坚实的科学基础之上的。

今年的获奖者们为我们深入了解复杂物理系统的特性和演化做出了贡献。

他们从混沌中发现隐藏的模式

这次诺贝尔物理奖两部分的共同主题是复杂系统

复杂系统很难用数学方法来描述——它们可能包含大量的组成部分或被偶然性所支配,甚至有可能是混沌的。

比如大家都熟悉的“蝴蝶效应”就是在描述混沌系统。

蝴蝶扇动翅膀造成初始条件的微小差异,经过时间的放大都会造成剧烈的变化,让精准预测几乎不可能。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

提出蝴蝶效应的气象学家洛伦兹,就是在研究大气流体动力学时发现,地球上的天气变化实际上就是一种复杂系统。

所以天气预报有时候不准,而且越长期越不准,我们就不要责怪气象台了,预测复杂系统的长期变化实在是……太难了。

不过地球的气候与每个人都息息相关,尤其是在气候变暖、极端天气现象频发的今天,气候现象再难也得研究。

这次获奖的科学家真锅淑郎的一大贡献就是演示了大气中二氧化碳含量的增加是如何导致地球表面温度升高的

为了便于计算,他把大气简化成了40千米高空处的一个柱状模型,通过改变空气的组成来研究对地表温度的影响。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

最终他的计算结果是,空气中占主要成分的氮气和氧气含量变化对地表温度的影响微乎其微,倒是二氧化碳对地表温度的影响则十分明显。

他的研究证实了地球变暖的主要原因是二氧化碳,因为它预测了接近地面的温度上升,而上层大气变冷。

如果是太阳辐射的变化导致了温度的上升,那么整个大气层应该是同时加热的。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

真锅淑朗的这项研究发表于1967年,随后他领导了地球气候物理模型的发展,并且是第一个探索辐射平衡和气团垂直输送之间相互作用的人。

由于那时候的计算机速度比现在要慢上几十万倍,所以模型必须简化再简化。

即便如此,他还是在1975年把模型从一维扩展到了三维,为今天的气象模型奠定了基础。

到了80年代就轮到克劳斯 · 哈塞尔曼出场,他这次与真锅淑朗分享一半诺贝尔奖是因为他找到了短期天气和长期气候之间的关系。

也就是说,我们现在能用上天气预报,哈塞尔曼的研究正是其科学基础。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

他用一个形象的比喻来描述天气与气候间的关系:

你牵着狗散步,你是沿着一个稳定的路线走的,就像是气候有一个相对稳定的趋势。但狗在牵绳的范围内前后左右绕着你的腿跑,就像天气非常随机。

哈塞尔曼的模型把嘈杂和混乱的天气数据视为噪声,从中分离出气候变化的大趋势。

有了这个模型,他的下一步工作是开发了识别人类活动对气候变化影响的方法,最终他的方法被用于证明大气层温度升高确实是由于人类排放的二氧化碳造成的。

总结一下,真锅淑郎和哈塞尔曼两人的研究回答了今天关于地球变暖的三个问题:

地球正在变暖吗?是的。
变暖的主要原因是温室气体增加吗?是的。
温室气体增加是因为人类活动吗?是的。

除了宏观的气候变化,微观的粒子运动中也存在复杂系统。今年诺贝尔物理奖的另一个得主乔治·帕里西便是研究的微观领域。

如果说前面两位获奖者的研究更结合实际,乔治·帕里西的研究则是从基础理论出发。

同样是在80年代,他发现,随机现象显然是受隐藏规则支配着的。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

帕里西一开始研究的主题是自旋玻璃

自旋玻璃是磁性合金材料的一种亚稳定的状态。用帕里西的话形容,研究自旋玻璃就像莎士比亚戏剧中的人类悲剧:一些自旋对想要指向同一个方向,而另一些却想要指向相反方向。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

通过对自旋玻璃的研究,帕里西发现了一种用数学对其进行描述的方法,并由此发展出一种包含许多不同复杂系统的有序和随机现象的理论,成为复杂系统理论的基石。

这不仅影响物理学研究,也对数学、生物学、神经科学和机器学习等研究领域产生了影响。

最后,诺贝尔奖委员会对这次物理奖做了一个总结:

自然界观察到的大量现象都是无序的,而拥抱噪音和不确定性是通向可预测性的重要一步。

获奖人简介

最后,还是来简单介绍一下诺奖大佬们过往的成绩。

真锅淑郎:气候模型“教父”

真锅淑郎以率先使用计算机模拟全球气候变化和自然气候变化而闻名,被誉为气候模型“教父”。

他1931年出生于日本,今年90岁。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

他在1958年获得了东京大学的博士学位,随后前往美国,为美国气象局大气循环研究部门工作,即现在的地球物理流体动力学实验室。

1997年到2001年,他在日本全球变化前沿研究系统担任全球变暖研究部主任。

目前,他是普林斯顿大学的资深气象学家。同时,他也是美国国家科学院成员,日本科学院、欧洲科学院和加拿大皇家学会外国成员。

事实上,在摘下诺贝尔奖之前,真锅淑郎就已几乎将世界上所有地球科学大奖收入囊中。

比如2018年,真锅淑郎就和Susan Solomon共同获得了有地球科学界“诺奖”之称的克拉福德奖。

克劳斯·哈塞尔曼:证明气候变暖是人类排放的二氧化碳所致

克劳斯·哈塞尔曼是德国知名海洋学家和气候建模研究者。

他最著名的成就是开发了将短期天气和长期气候联系起来的模型,并回答了为什么气候模型在天气多变且混乱的情况下仍然可靠的问题。

简单说,他的工作证明了全球气候变暖确实和人类排放的二氧化碳有关。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

哈塞尔曼同样出生于1931年。

他1957年在哥廷根大学和马克斯·普朗克流体动力学研究所拿到物理学博士学位。

此后曾任汉堡大学理论地球物理学教授、马克斯·普朗克气象研究所创始主任、德国气候计算中心科学主任等。

现在,他是欧洲气候论坛副主席。

乔治·帕里西:“近几十年来最具创造力和影响力的理论物理学家之一”

乔治·帕里西是今年3位诺贝尔物理学奖得主中最年轻的一位。

他出生于1948年,今年73岁。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

在摘下诺贝尔奖之前,同样是在今年,乔治·帕里西获得了沃尔夫物理学奖——被认为是诺贝尔物理学奖之外,物理学界最重要的奖项之一。

彼时,其获奖理由是“在无序系统、粒子物理学和统计物理学领域的突破性发现”。他也被认为是近几十年来最具创造力和影响力的理论物理学家之一。

再加上1999年的狄拉克奖章、2016年的拉斯·昂萨格奖章等等大奖,帕里西此番可以说是实现了物理学“大满贯”。

此外,乔治·帕里西还是一位行动主义者。近几年,他一直领导着“Salviamo la Ricerca Italiana”运动,向意大利和欧洲各国政府施加压力,要求他们资助基础研究。

诺贝尔物理学奖变身“理综”奖:背后通用理论模型影响机器学习

真实的物理世界,充满难以用数学方法精准描述的现象,但今年的获奖者和他们引领的学科研究者们,都在带领着人类穿过混沌,离真相更近一步。

而这,也就是科学的魅力所在吧。

参考链接:

[1]https://www.nobelprize.org/prizes/physics/2021/press-release/

[2]https://www.nobelprize.org/prizes/physics/2021/popular-information/

— 完 —

版权所有,未经授权不得以任何形式转载及使用,违者必究。