科技日报北京10月9日电 （记者张佳欣）美国科罗拉多大学博尔德分校和美国国家标准与技术研究院的量子物理学家们，利用量子纠缠在原子和电子尺度上再现了一个充满不同滴答声“房间”的场景。这一成就可能为开发新型光学原子钟铺平道路。相关研究成果9日发表在《自然》杂志上。 光学原子钟通过监测原子内部固有的“滴答”频率来极其精确地追踪时间。尽管这些时钟已经达到了极高的精度，但它们仍受到量子力学中固有不确定性的限制，这似乎给时钟的精度设定了一个无法逾越的上限。然而，量子纠缠现象或许能够提供一种突破这种限制的新途径。 当两个粒子处于纠缠状态时，对一个粒子的测量会瞬间影响另一个粒子的状态，即便两者相隔很远也是如此。在实际应用中，这意味着在光学原子钟中，被纠缠的原子不会像独立个体那样行为不可预测，而是表现得如同一个更大的单一实体，使得它们的行为更可预见。 此次研究团队通过推动锶原子，使其电子进入远离原子核的高能级轨道，从而实现了量子纠缠。在这种状态下，电子云变得非常扩散，就像蓬松的棉花糖。如果让几个这样的原子足够接近，它们之间的电子就会产生强烈的相互作用，形成纠缠态。研究人员尝试构建了包含单个原子以及由两个、四个和八个原子组成的纠缠群体的时钟模型。 实验结果显示，在特定条件下，基于纠缠原子的时钟表现出的不确定性，显著低于传统光学原子钟，这意味着可以在更短的时间内达到相同的精度水平。更重要的是，这些新型时钟甚至有望超越所谓的“标准量子极限”，而这是非纠缠系统理论上能达到的最佳精度极限。 这项研究不仅展示了量子技术如何提高计时精度，还为未来探索宇宙基本性质提供了新工具。
◎张梦然 在2024年最后一个诺贝尔自然科学奖项公布后，诺贝尔化学奖和物理学奖同时垂青AI领域研究者受到世人瞩目。这是AI技术在多个科学领域中广泛应用和产生深远影响的证明。 这种“跨界”的认可，表明AI已不仅仅是计算机科学的一个分支，而是成为推动科学研究和技术进步的重要工具。它为解决长期存在的科学问题提供了强有力的支持，并在多个层面促进了科学的发展。诺奖既是对科学家个人成就的认可，也是对整个AI辅助科学研究趋势的一个肯定。 AI黄金时代的一批科学家正熠熠生辉。这场景仿佛再现上世纪物理学黄金时代——从1900年到1925年，爱因斯坦、玻尔、薛定谔、海森堡、狄拉克、居里夫人等科学大师产出了大量的成果。我们期待，AI领域的创新能为人们开启一扇扇新世界的窗户；我们相信，这次的诺奖会激励更多年轻人关注AI及其在科学中的应用，从而诞生新一代跨学科人才。
本报记者 都 芃 10月9日，2024年诺贝尔化学奖揭晓。戴维·贝克、德米斯·哈萨比斯和约翰·江珀共享这一奖项。前者在“计算蛋白质设计”领域贡献突出，后两位则在“蛋白质结构预测”方面成就斐然。这也是继物理学奖之后，今年诺贝尔奖再次被授予人工智能（AI）的相关成果及科学家。 获奖结果众望所归 作为全球最重磅的科技奖项之一，每年诺贝尔奖颁奖前，各类预测层出不穷。在今年诺贝尔化学奖揭晓前，此次获奖的三位科学家已呼声极高，奖项结果称得上众望所归。 “尤其是贝克，他是蛋白质计算设计领域的拓荒者，并且持续做出国际先进的研究成果。我认为他们获奖实至名归。”清华大学生物医学交叉研究院助理教授、北京生命科学研究所研究员徐纯福认为，在今年物理学奖已经颁发给机器学习科学家的情况下，诺贝尔化学奖仍然颁发给了三位计算研究领域的科学家，这体现了AI极其重要的科学价值。 “获奖成果和我的研究领域息息相关，对我们研究者是一种激励。”浙江大学生命科学研究院研究员林世贤激动地说，获奖者之一的江珀只有39岁，这对广大青年科研工作者也是一种鼓舞。 蛋白质结构预测一直是计算生物学和结构生物学所关心的重要问题。清华大学生命科学学院教授杨茂君介绍，早期蛋白质结构预测主要依靠同源蛋白结构，但是实验解析的蛋白结构数量占总蛋白数量的比例很低，因此预测效率不高、准确度有限。后期，随着机器学习兴起，人工智能迅速发展，科学家开始尝试将人工智能应用于蛋白质结构预测领域，开发出结构预测工具“阿尔法折叠”以及后续版本。该成果实现了蛋白质结构预测精度和效率的飞跃，几乎解决了单一蛋白质结构预测的问题，有望给药物研发带来重要变革。 AI用于科研潜力巨大 此次诺贝尔化学奖，除了是对获奖者的表彰，也是对人工智能在基础科学研究领域深入应用的重要认可。 杨茂君认为，这次获奖的研究定义了一个理论上可以解决所有科学问题的范式，即从实际问题出发，将其转变为AI可以处理的输入数据，再经过深度学习网络，最终输出结果。 “在所有通过输入得出输出的问题上，AI理论上都可以作为有力的工具，这反映了AI在科学研究领域的广阔潜力。”在杨茂君看来，这一技术的应用范围并不限于生物、化学、物理等领域，其应用范围主要取决于如何将客观世界的问题（或数据）抽象成AI可以学习和处理的形式，以及现实世界是否有足够多的真实数据，训练和构建深度学习网络。 “AI在蛋白质设计领域的应用突破可以说是天时地利人和，水到渠成。”杨茂君解释，蛋白结构的一级序列足够简单，且蛋白质的三维结构输出也有标准的表达形式，并且在过去几十年，结构生物学领域累积了大量真实蛋白结构数据。 徐纯福也表示，AI在生物、化学、医药等健康领域的潜力才刚刚崭露一角，未来还大有发展空间。 “就拿我最熟悉的蛋白质计算设计来讲，虽然今年相关成果获奖了，但计算方法在功能蛋白的设计方面还面临很大挑战。”徐纯福说，如果进一步改进AI算法，能够更准确设计酶、抗体等重要的功能蛋白，将有可能产生具有真正实用的全新蛋白。 徐纯福同时认为，AI对科学研究重要性日益凸显，科学家一方面要积极拥抱新的研究范式，同时也要尽量规避AI的局限性。“AI不是万能的，科学家们需要扬长避短，推动AI在基础科研更有效应用。”他说，科学家要更负责任地应用AI，不用AI做违背科学伦理、有害人类健康的科学研究。 （科技日报北京10月9日电 本报记者张佳星对本文亦有贡献）
各省市科技厅网站
自治区政府部门网站
西藏各科研院所网站
