博文
2024年诺贝尔物理学奖授予美加2位科学家
||
2024年诺贝尔物理学奖授予美加2位科学家
诸平
瑞典皇家科学院（The Royal Swedish Academy of Sciences）决定将2024年诺贝尔物理学奖(The Nobel Prize in Physics 2024)授予美国新泽西州普林斯顿大学（Princeton University, NJ, USA）的约翰·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学（University of Toronto, Canada）的杰弗里·辛顿（Geoffrey E. Hinton），获奖理由是基于人工神经网络的机器学习的基础性发现和发明。他们利用物理学的工具开发了一些方法，这些方法是当今强大的机器学习的基础，他们利用物理学训练人工神经网络。
今年的两位诺贝尔物理学奖得主使用物理学的工具开发了今天强大的机器学习的基础方法。约翰·霍普菲尔德创造了一种联想记忆，可以存储和重建图像和其他类型的数据模式。杰弗里·辛顿发明了一种方法，可以自动发现数据中的属性，从而执行识别图片中的特定元素等任务。
当我们谈论人工智能时，我们通常指的是使用人工神经网络的机器学习。这项技术最初是受到大脑结构的启发。在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过连接相互影响，这些连接可以被比作突触，可以增强或减弱。例如，通过在同时具有高值的节点之间建立更强的连接来训练网络。今年的获奖者从20世纪80年代开始就在人工神经网络方面进行了重要的工作。
约翰·霍普菲尔德发明了一种网络，它使用一种方法来保存和重建模式。我们可以把节点想象成像素。约翰·霍普菲尔德网络利用物理学来描述材料的特性，因为它的原子自旋是一种使每个原子成为微小磁铁的特性。整个网络的描述方式相当于物理中发现的自旋系统中的能量，并通过寻找节点之间的连接值来训练，以便保存的图像具有低能量。当约翰·霍普菲尔德网络得到一张扭曲或不完整的图像时，它会有条不紊地通过节点并更新它们的值，这样网络的能量就会下降。因此，网络逐步找到最像它输入的不完美图像的保存图像。
杰弗里·辛顿使用约翰·霍普菲尔德网络作为一个新网络的基础，新网络使用了一种不同的方法:玻尔兹曼机器（Boltzmann machine）。这可以学习识别给定类型数据中的特征元素。杰弗里·辛顿使用了统计物理学的工具，这是一门由许多相似组件组成的系统科学。通过给机器输入在机器运行时很可能出现的例子来训练机器。玻尔兹曼机器可以用来对图像进行分类，或者为它所训练的模式类型创建新的例子。杰弗里·辛顿在这项工作的基础上，帮助启动了当前机器学习的爆炸性发展。
“诺贝尔奖获得者的工作已经带来了最大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料，”诺贝尔物理学委员会主席Ellen Moons说。
Illustration: ©Johan Jarnestad/The Royal Swedish Academy of Sciences.
约翰·霍普菲尔德（John J. Hopfield, 1933-），1933年生于美国伊利诺伊州芝加哥市(Chicago, IL, USA)。1958年获得美国纽约州伊萨卡市康奈尔大学(Cornell University)博士学位。现任美国新泽西州普林斯顿大学（Princeton University, NJ, USA）教授。更多信息敬请浏览相关网页：John J. Hopfield, Princeton University
杰弗里·辛顿（Geoffrey E. Hinton, 1947-），1947年生于英国伦敦(London, UK)。1978年获英国爱丁堡大学(University of Edinburgh, UK)博士学位。现任加拿大多伦多大学（University of Toronto, Canada）教授。更多信息敬请浏览Geoffrey E. Hinton, University of Toronto
2024年诺贝尔物理学奖奖金:1100万瑞典克朗，由2位获奖者平均分享。
从1901年到2024年，诺贝尔物理学奖共颁发了118次，共有227名诺贝尔奖获得者。约翰·巴丁（John Bardeen）是唯一一位在1956年和1972年两次获得诺贝尔物理学奖的获奖者。这意味着共有226人获得了诺贝尔物理学奖。
欲了解更多信息，敬请注意浏览相关报道 https://www.kva.se/en/news/the-nobel-prize-in-physics-2024/
https://wap.sciencenet.cn/blog-212210-1454339.html
上一篇：革命性的光芒:科学家揭示了抑郁症的隐藏化学
下一篇：2024年诺贝尔化学奖授予美英3位科学家
