2024年，诺贝尔物理学奖授予人工神经网络，诺贝尔化学奖授予研究AlphaFold和计算蛋白质设计。这彰显了人工智能在打破学科界限、通过跨学科合作推动科学发现中的变革性作用，预示着科学发展的新纪元正在展现。奖项授予不仅是对几位科学家个人努力的肯定，更是对全球人工智能研究与发展的一次巨大鼓舞。人工智能缘何成为今年诺奖“大赢家”？

2024年10月17日下午，中国人民大学高瓴人工智能学院开展“诺贝尔物理学奖缘何花落AI学者”专题研讨会，邀请了院内外专家学者进行深度解读与前沿展望。本次研讨会由高瓴人工智能学院长聘副教授孙浩担任主持，执行院长文继荣出席并致辞，清华大学物理系长聘教授徐勇、中国科学院物理研究所研究员王磊、中国科学院理论物理研究所研究员张潘、中国人民大学物理学院讲师高泽峰出席并发言。

专家们围绕如何看待今年诺贝尔奖物理学奖颁给AI科学家，诺贝尔奖对AI和物理学研究的影响，AI在物理学中的应用场景，跨学科合作的重要性，AI在物理学应用中的可解释性，大语言模型中能否引入物理观点等多个问题展开了深入交流，对未来AI和各学科领域的学生如何开展研究工作提供了有价值的建议。

与会专家纷纷表示，2024年诺贝尔奖物理学奖颁给AI科学家意料之外又在情理之中，并从不同角度解释了该奖颁发的合理性。徐勇教授指出，相比于现实世界中的复杂问题，物理学家更多关注的是基础性的理论研究，而AI给处理现实世界中的复杂问题带来了新范式，因而AI科学家获奖实至名归。张潘研究员提出，两位诺贝尔物理学奖获得者使用物理学工具设计了人工神经网络，即使最初的概念比较简单和原始，但是它们就像一颗种子，为现今强大的机器学习方法，例如transformer和diffusion，奠定了基础。专家们都认为这一奖项是对AI学者的肯定，很有可能催生出下一波AI for Science和Science for AI研究的热潮。

谈及AI在物理学中的应用场景，高泽峰讲师结合自己的研究方向，与大家分享了材料科学中AI具有的加速传统物理方法计算和判断材料性质的能力。此外，AI还可以轻松地创造一些尚不存在的材料。徐勇教授也指出，在材料科学中，可靠数据的获取十分昂贵，前沿研究正在关注如何将神经网络与DFT算法结合，以极大地提高构建材料底层算法的计算效率。

徐勇教授就跨学科合作的重要性发表观点，AI促进了跨学科的研究，但也提高了对科研人员的要求：跨学科合作团队既要掌握学科专业理论又要理解AI科学，在对目标问题有更深刻思考的同时，也需要更好的AI应用方法的idea。王磊研究员认为，在AI时代，研究人员仍需坚持基础学科的学习，也需要多和不同学科的人交流，了解一些跨学科的问题，打破学科壁垒，做一些有机结合。张潘研究员对此非常赞同，他建议与不同领域的学者多多交流，形成互补的关系，在这过程中关注不同领域的痛点难点。高泽峰讲师指出，在跨学科研究中，首先要关注的是如何清楚地定义一个待解决的问题，然后再引入跨学科方法进行解决。

在物理学研究引入AI方法的过程中，AI的可解释性问题一直备受关注。不同于传统的物理模型，深度神经网络在预测结果时往往无法明确地解释其内部机制。这种“黑盒”性质使得许多物理学家在使用AI时持谨慎态度。王磊研究员认为，AI在跨学科领域的应用研究，可以要求其基本的可解释性，例如数据对称性的要求。但他强调，对可解释性的过分追求会拖慢研究人员的脚步。

当谈及AI for Science领域下一个诺奖级别的工作时，专家们一致表示，AI在材料领域的研究是最具可能的一个方向，物理原理允许的材料种类是无穷无尽的，但现实中发现的材料结构仅有百万种，因此AI在材料领域的应用前景十分光明。专家们寄语青年科研工作者，希望大家保持对科学和自然的好奇心，重视基础知识的学习，并积极参与跨学科交流。AI为探索未知世界提供了新的工具和方法，但真正的创新和突破依然需要对问题本质的深入理解，以及对多学科知识的融合和掌握。

圆桌讨论在热烈的自由提问环节中落下帷幕。现场观众就AI在科研中的应用提出了许多富有启发性的问题，整场研讨充满了智慧的碰撞。