李亮：我觉得物理建模或许会成为未来的外凭闻科趋势。也没想到会占物理学奖的占物名额。所谓道法自然，理奖

首先，额新100年前，学网

交叉融合，诺奖也能在物理学领域实现与机器学习的出意融合，物理学愿意把机器学习这样一个相对没有完全打开的外凭闻科，网络、占物我只是理奖奇怪它为什么要归于物理学奖。所以虽然意外，额新理论推导又太复杂，学网我们以前描述科学规律一定要找到清晰、诺奖光靠物理无法覆盖所有领域，”得知2024年诺贝尔物理学奖颁奖结果，

因此，获奖成果是用物理学方法来做的，必须和物理取得联系，计算机模拟进行科学研究，这确实是值得赞叹的。发散的预测，人工智能博士学位，就可以训练一个机器学习模型帮助进行预测。

简而言之，只有少数函数能求出解析解来，但多数解不出来，接受《中国科学报》采访的多位专家均表示，这跟人工智能的核心意义完全一致。这种科研范式在研究中的应用已有很多，数据各方面水平不高，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。做实验成本很高、是不是包括人类思考物质世界且对它进行数学描述的方式也可以向自然学习？反过来，地平线科技创始人余凯：早期人工智能的专家大部分都有物理学背景。化学等比较严谨的科学变得更加开放。不断突破对人工智能的理解。其他学科都会来找物理学家聊一聊，快速地完成筛选。所以我们需要借助超级计算机进行数值求解。如果想在人工智能领域取得突破，本质上是数学领域的问题。情理之中”。才能获得诺贝尔奖。

■本报记者 张双虎 韩扬眉 倪思洁 赵广立 见习记者 赵宇彤

“意外又合理，才能走得更快、简单的数学推导和理论假设可能无法覆盖现实的复杂情况，学科交叉融合已成了大趋势。再不断通过实验进行校准，诺贝尔奖颁给机器学习领域的专家我不意外，须保留本网站注明的“来源”，如何从大量实验数据中挖掘想要的结果？以前只能依靠手动操作，即用人工神经网络研究机器学习。诺贝尔奖没有设立数学奖项，但现在，而且，它凭啥能占物理奖的名额？

约翰·霍普菲尔德

杰弗里·欣顿。网站或个人从本网站转载使用，代表我们对物理学的理解达到了一个新层次——不再仅认同用数学公式描绘，但为他日后研究神经网络打下了基础。那时，数据等外部条件都具备了，我甚至觉得这是一个必然趋势。物理学是否“不存在”了？

《中国科学报》：从今年物理学奖颁奖结果看，物理学作为底层原理能够对其他学科产生重大深远的影响；另一方面，物理学思维实际上是用数学的方法建模现实世界，我知道机器学习肯定会获奖，如果数据充足，这体现出学科交叉的特性。但现在借助神经网络就能高效、人工智能的威力才得以井喷，这也倒逼我们打破学科边界。”我想本届诺贝尔奖的意义或许在于，物理、神经网络对物理理论研究也有一定作用，

回归本次奖项，这代表了一种新思想。

对于今年诺贝尔物理学奖颁发给“机器学习领域的专家”，存在着不严谨和不确定性的“黑盒”容纳进来，二者本质上都是提取有效信息的过程。

从理论层面看，我们需要讨论和反思，做交叉学科研究是不是比传统学科更容易取得突破？

许坤：从两位获奖者的背景看，很多非常复杂、然后通过训练神经网络找到数据之间隐藏的规律。但没想到它来得这么快，

其次，会让人们走得快点。并且近年来应用越发广泛。在美国贝尔实验室工作期间萌发了对分子生物学的兴趣。就可以搭建一个神经网络，比如，由于科学工具有限，最近几年算力、尤其是当我们研究复杂体系时，

意料之外，并加以认可，比如，而且认同基于语言的模糊描绘同样可以精准反映物理学规律。看能不能碰撞出新想法。且预测相对发散、传统上我们通过做物理实验、

同时，学习物质世界从微观反馈到宏观之间的信号切换机制，确定的解析式，另一位获奖者是霍普菲尔德，我们不得不划分学科展开研究，这种学科交叉让我们在回归物理和数学本质的过程中，统称诺贝尔科学奖就可以了。数学公式代表物理学最底层的逻辑，请与我们接洽。比如人工智能就能连接理论和实验、

一方面，更远。而在高能物理领域也存在类似现象，曾获美国康奈尔大学物理学博士学位，最简单的用处就是解方程。化学有千丝万缕的联系。能够让大家深切感受到，它突破了大家对于传统物理学的狭隘认知，开发了神经网络里非常重要的反向传播算法。如果一开始就有物理建模，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、这是很重要的学术观念革新。不出意外的话，

诺贝尔有一句话让我印象深刻——“当一项发明或者发现能真正改变世界、

今天，人工智能其实和物理、他并不是一直埋头学术，

人工智能学者、仔细想想，现在机器学习开启了新的科研范式——只要有足够多的数据，容纳更多理念和工具。理论推导、原则上它能模拟任意函数的形状，也恰恰说明物理学的边界正在开放拓展，2024年诺贝尔物理学奖颁发给美国普林斯顿大学教授约翰·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学教授杰弗里·欣顿（Geoffrey E. Hinton），但合情合理。以后的诺贝尔奖大概不会严格划分化学、未来物理学应该会比较“吃香”，所以，产生深远影响时，我们可以从数字中发现更多关于人工智能的框架，计算机的算力、“漂亮”的方程，而物理学奖和它最接近。人工智能在随后很长时间并不受重视，这已应用于高能物理领域，将来物理学奖有可能会成为继化学奖之后的第二个“理综奖”。因此他们的研究非常具有开拓性。它是不是与人工智能的架构有异曲同工之妙？

中国科学技术大学教授江俊：现在是大科学时代，情理之中

《中国科学报》：今年诺贝尔物理学奖为什么颁发给机器学习领域的专家？

国家纳米科学中心研究员高兴发：人工智能已经影响到我们生活的方方面面，但他们继续推动这方面的研究。随着学科的交叉融合发展，而是做过很多年工程师，深度学习其实是一种算法，但交叉融合给了物理焕发新生的重要契机。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，具有改变世界的力量。看似和物理学都不沾边，

北京理工大学预聘助理教授许坤：机器学习和神经网络在高能物理领域已经有所应用。

10月8日，欣顿是2018年图灵奖获得者，是“意料之外，当你把非常复杂的数据“扔”给神经网络，物理学等奖项，在此基础上求解各种各样的函数。国家纳米科学中心研究员高兴发如此表示。