近日，科学突破奖基金会及其创始赞助商宣布了第十届科学突破奖的获奖者。其中，华人物理学家叶军和日本物理学家香取秀俊拿到了基础物理学突破奖，他们的研究成果光晶格钟运行 150 亿年误差也不到 1 秒，对于探测引力波、寻找暗物质、验证相对论都有重要作用。
科学突破奖（Breakthrough Prize），又被誉为「科学界的奥斯卡」，现已进入第十个年头。该奖项于 2012 年由俄罗斯亿万富翁尤里 · 米尔纳夫妇设立，现由谷歌联合创始人谢尔盖 · 布林、Facebook 联合创始人马克 · 扎克伯格夫妇、腾讯公司联合创始人马化腾、尤里 · 米尔纳夫妇，以及基因技术公司 23andMe 联合创始人安妮 · 沃西基等知名实业家赞助。
科学突破奖每年颁发一次，旨在表彰在基础物理学、生命科学和数学领域的突破性成就。科学突破奖堪称是全世界最慷慨的科学奖，单项突破奖的奖金高达 300 万美金。
昨日，2022 年科学突破奖获奖者公布，颁发了 5 个奖金为 300 万美元的突破奖、3 个奖金为 10 万美元的物理学新视野奖、3 个奖金为 10 万美元的数学新视野奖以及 3 个奖金为 5 万美元的 Maryam Mirzakhani 新前沿奖。其中，新视野奖授予物理学与数学领域科学家的早期研究工作，Maryam Mirzakhani 新前沿奖授予从事数学研究的女性学者。2022 年科学突破奖各类奖项的奖金总额达到了 1575 万美元。
单项突破奖获奖名单如下：
基础物理学突破奖：香取秀俊（Hidetoshi Katori，东京大学 & RIKEN）和叶军（Jun Ye，美国科罗拉多大学博尔德分校）；
数学突破奖：望月拓郎（Takuro Mochizuki，京都大学）；
生命科学突破奖：
Shankar Balasubramanian（剑桥大学）、David Klenerman（剑桥大学）和 Pascal Mayer（Alphanosos 公司）
Katalin Karikó（BioNTech 公司和宾夕法尼亚大学）和 Drew Weissman（宾夕法尼亚大学）
Jeffery W. Kelly（斯克里普斯研究所）
此外，剑桥大学 Suchitra Sebastian、德州理工大学 Alessandra Corsi 等四人以及哈佛大学 Dominic Else 等四人分别获得物理学新视野奖。
西北大学 Aaron Brown 等二人、剑桥大学 Jack Thorne 以及多伦多大学 Jacob Tsimerman 分别获得数学新视野奖。
普林斯顿高等研究院 & 普林斯顿大学 Sarah Peluse、加州大学洛杉矶分校 Hong Wang 和麻省理工学院 Yilin Wang 获得 Maryam Mirzakhani 新前沿奖。
不过，由于疫情的影响，颁奖典礼将推迟至 2022 年。
华人学者叶军、日本学者香取秀俊获基础物理学突破奖
我们日常生活中所使用的钟表，精度高的大约每年会有 1 分钟的误差，这对我们的日常生活几乎不会产生影响。但在科研领域，计时工具所需的精度要高得多。天文、航海、宇宙航行以及自然界基本定律的检验都离不开精度极高的钟表。帮助叶军和香取秀俊获得基础物理学突破奖的正是他们在这方面的发现。
叶军是美国科罗拉多大学博尔德分校教授、美国国家科学院院士、中国科学院外籍院士。他 1967 年出生于上海，1989 年获得上海交通大学应用物理学学士学位，1991 年获得美国新墨西哥大学物理学硕士学位，1997 年获得美国科罗拉多大学物理学博士学位，他的博士导师是 2005 年诺贝尔物理学奖得主约翰 · 霍尔。
AMP
香取秀俊是日本东京大学科学家、日本理化学研究所（RIKEN）量子计量实验室首席科学家，研究方向包括量子精密测量、量子光学等。
具体来说，他们使用激光捕获、冷却和探测原子，制造出精确的「光晶格钟」。该时钟运行 150 亿年误差也不到 1 秒。这些「光晶格钟」具有潜在的技术应用：从量子计算到利用爱因斯坦相对论的影响来研究地震学，再到检验相对论、寻找引力波和暗物质，当前很多前沿研究方向都和他们的研究紧密相关。
光晶格钟可以帮助研究人员探测时空中的涟漪，即引力波。
光晶格钟是传统原子钟的一个进化版本。「一秒」的官方定义是使铯原子中的电子产生量子跃迁的 9,192,631,770 个辐射周期。原子钟最初是利用微波频率的辐射来诱发这些跃迁。光对其的替代带来了一项进步，频率是微波的 10 万倍。这种高频率提高了计时的精度。
然而，更高的频率也给测量带来了困难，相应的解决方案是「光梳」。光梳就是利用锁模激光产生超短光脉冲，特色是相邻脉冲波时间间隔一模一样。光梳就像是一把拥有精密刻度的尺或定时器，只不过一般的仪器以毫米、毫秒为单位，而光频梳在长度的测量上精确度胜过纳米，时间则胜过飞秒、甚至达到阿秒。这项技术的提出者——约翰 · 霍尔和特奥多尔 · 亨施——获得了 2005 年的诺贝尔物理学奖（叶军师从约翰 · 霍尔，并在后者退休后接手了导师的实验室）。
光晶格钟便是以光梳技术为基础制成的。它使用锶而非铯原子。香取秀俊和叶军都找到了驯服锶原子的方法，让它们静止不动，以便进行测量。他们使用了一种「光学晶格」，这是一种来自激光束的驻波，它创造出一种类似鸡蛋盒的形状，这种形状的阱能捕获原子。
叶军表示，「这几乎就像科幻小说中的牵引光束。你把一束牵引束放在真空室的中央，就可以用光把原子固定在真空室的中央。」
科幻作品中的牵引光束。
以这种方式操纵原子可能会对它们造成一定的干扰，从而影响对精确计时至关重要的测量。正如叶军所说：「你在挤压这些原子。你怎么能确定他们在告诉你真相呢？」但香取秀俊和叶军发现，为「牵引束」选择合适的波长可以解决这个潜在的问题。
「我们采取了一种设计，使得这种固定住原子的行为对两个量子态之间的能量间隔的测量不会造成扰动，而这对于时钟测量至关重要」叶军说道，「所以，这几乎就像免费的午餐。」
这一进展帮助光晶格钟走向现实，并为香取秀俊和叶军赢得了基础物理学突破奖。奖项组织方表示，光晶格钟的潜在应用是多种多样的，例如，它可以大大提高全球定位系统和其他卫星导航网络的精度，还能更精确地引导深空探测器。
此外，这项技术还有助于对爱因斯坦的相对论进行新的测试，比如它可以让研究人员更精确地研究引力时间膨胀和其他效应。光晶格钟也可以帮助探测引力波，提醒研究人员这些时空涟漪引起的微小时间变化。
重力和时间之间的联系意味着这项技术还可以帮助研究人员追踪地球上的火山和地震，并在外星世界寻找地下海洋。
叶军还补充说，光晶格钟甚至可以帮助寻找难以捉摸的暗物质。「暗物质一定会以某种方式与普通物质相互作用，而不仅仅是引力物理。我们希望看到地球上已知的普通物质中可能存在的暗物质成分的微弱信号，即当暗物质进入时，时钟被放慢或加速的信号。所以我们一直在准备这样的实验。」
日本数学家望月拓郎获数学突破奖
当物理学家在以越来越精确的方式探索物理世界时，数学家则在探索令人费解的抽象空间。
今年的数学突破奖颁给了日本京都大学教授望月拓郎。望月拓郎研究代数几何（用几何方法表示方程组的解）和微分几何（光滑表面在多个复杂维度中展开）的交叉领域。他克服了技术和概念上的巨大挑战，将知识的边界深入到新的领域，扩展了对包含奇点（方程不再有意义的点）的可积 D – 模（holonomic D-modules）的理解。在这一过程中，他为该领域奠定了完整的基础，解决了所有悬置已久的基本猜想。
两位华人女学者获数学领域大奖
麻省理工学院 CLE Moore 讲师 Yilin Wang 和 UCLA 助理教授 Hong Wang 获得数学领域的 Maryam Mirzakhani 新前沿奖。该奖项设立于 2019 年，旨在纪念伊朗数学家、菲尔兹奖获得者 Maryam Mirzakhani（2017 年因癌症去世，享年 40 岁）。
Yilin Wang 先后就读于巴黎高等师范学院、巴黎第六大学（取得数学硕士学位）和巴黎萨克雷大学（取得概率论硕士学位）；2015 年至 2019 年在苏黎世联邦理工学院攻读数学博士，博士毕业后加入麻省理工学院担任 CLE Moore 讲师。
作为一位研究概率论、复分析和数理物理学相关问题的数学家，Yilin Wang 致力于探究随机共形几何、几何函数理论和 Teichmueller 理论之间的联系。
此次获奖是为了表彰其「在平行曲线 Loewner 能量方面开展的创新性且具有深远意义的工作。」
Hong Wang，本科（2007 至 2011 年）毕业于北京大学数学系，之后就读于巴黎综合理工大学（2011 至 2014 年）和巴黎第十一大学（2013 至 2014，取得数学硕士学位）。2014 至 2019 年在麻省理工学院攻读数学博士，2019 至 2021 年担任普林斯顿高等研究院博士后。2021 年 7 月进入 UCLA 担任数学系助理教授。
她的研究重心在于傅里叶分析中的限制理论。此次获奖旨在表彰其「在限制猜想、局部平滑猜想及相关问题上取得的进展。」
与吴恩达共话ML未来发展，2021亚马逊云科技中国峰会可「玩」可「学」
2021亚马逊云科技中国峰会「第二站」将于9月9日-9月14日全程在线上举办。对于AI开发者来说，9月14日举办的「人工智能和机器学习峰会」最值得关注。
当天上午，亚马逊云科技人工智能与机器学习副总裁Swami Sivasubramanian 博士与 AI 领域著名学者、Landing AI 创始人吴恩达（Andrew Ng ）博士展开一场「炉边谈话」。
不仅如此，「人工智能和机器学习峰会」还设置了四大分论坛，分别为「机器学习科学」、「机器学习的影响」、「无需依赖专业知识的机器学习实践」和「机器学习如何落地」，从技术原理、实际场景中的应用落地以及对行业领域的影响等多个方面详细阐述了机器学习的发展。
来源：机器之心
3,641 views
