彩神彩票app手机版-彩神彩票app

静心探索重要的基础科学问题不求“短平快”70后物理学家翁红明******

　　翁红明在讲解电子运输理论。

　　田春璐摄

　　人物简介：

　　翁红明，1977年出生，现为中国科学院物理研究所凝聚态理论与材料计算实验室研究员、博士生导师。主要致力于凝聚态物理计算方法和程序的开发以及新奇量子现象的计算研究，成果入选2015年度中国科学十大进展、英国物理学会《物理世界》2015年度十大突破、美国物理学会《物理评论》系列期刊创刊125周年纪念文集等。

　　在中科院物理研究所（以下简称“物理所”）的年轻人里，研究员翁红明是小有名气的一位。就在刚刚过去的2022年，他因在数学物理学领域的杰出贡献，获得第四届“科学探索奖”。

　　在国际计算凝聚态物理研究领域，翁红明成果颇丰。其中最为人称道的，是他和同事们合作首次在固体中观测到外尔费米子和三重简并费米子的准粒子。这是国际上物理学研究的重要科学突破，对拓扑电子学和量子计算机等颠覆性技术的诞生具有非常重要的意义。

　　自由思考、厚积薄发，真正对人类文明有所贡献

　　1928年，英国物理学家保罗·狄拉克提出了描述相对论电子态的狄拉克方程。1929年，德国科学家赫尔曼·外尔指出，当质量为零时，狄拉克方程描述的是一对重叠的具有相反手性的新粒子，即外尔费米子。这种神奇的粒子带有电荷，却不具有质量，因而具有确定的手性（指一个物体不能与其镜像相重合，如我们的双手，左手与右手互成镜像，但不能重合）。

　　但是80多年过去了，科学家们一直没有能够在实验中观测到外尔费米子。直到2015年1月初，中科院物理所方忠研究员带领的研究组与普林斯顿大学研究小组合作，从理论上预言了在以砷化钽为代表的一批材料中存在着外尔费米子。此后，这个理论预言经过实验得到了进一步验证。

　　在研究过程中，翁红明发挥了至关重要的作用。他从发表于1965年的一篇实验文献中受到启发，并通过第一性原理计算，初步认定砷化钽晶体等同结构家族材料可能是无需进行调控的、本征的外尔半金属。这类材料能够合成，没有磁性，没有中心对称，是实验制备、检测都非常便捷的绝佳材料。

　　翁红明说：“这一发现的难度在于，从众多材料中找到合适的对象犹如大海捞针，必须对外尔费米子和材料物理特性都有相当认识才行。”

　　在外尔费米子被发现的一年后，翁红明和同事们又进一步“预言”：在一类具有碳化钨晶体结构的材料中存在三重简并的电子态。

　　2017年6月，这个新预言被实验证实，三重简并费米子被首次观测到。这是物理所科研团队继拓扑绝缘体、量子反常霍尔效应、外尔费米子之后，在拓扑物态研究领域取得的又一次重要突破，引起国际物理学界广泛关注。

　　成绩源于多年的深耕积累。翁红明很享受在物理所工作的经历：“这无关荣誉，我找到了更感兴趣、更加深入的研究领域和方向。”

　　自由思考、厚积薄发，一直是翁红明喜欢的学术氛围。他所追求的不是多发表文章，而是能攀登科学高峰，真正对人类文明有所贡献。

　　科研仅靠一个人或一个小组的力量是不够的

　　作为理论物理学家，翁红明专攻量子材料的计算和设计。

　　物理学通常分成两大类，即理论物理和实验物理。理论物理通过理论推导和公式推算得出的结论被称为“预言”，“预言”必须通过实验验证才能成为国际公认的科学事实。

　　在翁红明看来，他接连获得的几次重大发现，都离不开与同事们的通力合作。这，也是他做科研一直特别重视的一点。

　　“理论预言、样品制备和实验观测，这三个环节缺一个都不行。”翁红明说，“在当今科学领域细分程度非常高的情况下，科研仅靠一个人或一个小组的力量是不够的。当有重要任务目标时，我们几个小组紧密合作，在理论、样品、实验等环节实现了环环相扣、无缝对接。”

　　在许多人的想象中，理论物理学家的工作，就是每天独自埋头在稿纸堆里计算推演，然后坐着冥思苦想、灵光乍现。

　　但翁红明认为，计算推演的确要做，思考分析也不可少，但和同行们的交流也非常重要。他每天上班的第一件事就是查看和了解国际上最新的科研进展，然后分析、思考、计算，再把自己的想法跟同事们交流。“很多时候，我的一些想法，或者说突然的一些灵感，其实都是在思考、交流和工作过程当中产生的。”

　　“发现三重简并费米子”这一成果，就源于翁红明和石友国、钱天两位同事一次喝咖啡时的思想碰撞。

　　物理所的咖啡厅在学术界享有盛誉，不但因为咖啡好喝，也因为常有科研人员汇聚在此畅聊科学、各抒己见，聊着聊着，灵感经常“火花四射”。

　　和大家一样，翁红明、石友国和钱天工作之余也喜欢在咖啡厅一聚。翁红明有什么新想法会第一时间告诉他俩；石友国和钱天在实验过程中有什么新发现或疑惑，也会第一时间反馈给翁红明。

　　“闲聊中就能交换信息，我们的交流是完全敞开的，毫无保留地让大家知道彼此做了什么。”翁红明说。

　　翁红明告诉记者，在科研道路上，自己非常珍视的成功秘诀有两个，一个是注意总结和积累，另一个就是跟别人多交流。

　　“目前我努力发展基于大数据和人工智能的凝聚态物质科学研究，其实也是基于这两点考虑，因为所有人的知识积累都体现在这些数据当中。”翁红明说。

　　做研究应该抓住一些更新奇、更本质的问题

　　1977年，翁红明出生在江苏泰兴一户普通人家。他的父母都是农民，家里还有一个姐姐。

　　初中开始，翁红明第一次接触到物理，从此便沉迷其中。“物理让我对周围的世界有了更深入的了解和认识。”翁红明说。

　　兴趣是最好的老师。对物理的热爱，指引着翁红明叩开了物理科学的大门。

　　1996年，翁红明参加高考。在填报志愿时，他毫不犹豫地将所有的志愿都填上了物理。最终，他如愿被南京大学物理系录取。

　　南京大学的物理系在凝聚态物理领域积淀很深。翁红明在这一领域进行相关知识的学习与研究，一学就是9年，直到博士毕业。毕业后，他去了日本的东北大学金属材料研究所做博士后研究，主要研究各种材料的导电性质。

　　到日本一年半后，翁红明萌生了转换研究方向的想法。

　　“我想要转到计算方法和程序的发展上，这是凝聚态物理领域中一个最基础也是最具有核心竞争力的方向。”翁红明说，“如果想要在这个领域有长远发展，就要在这个方向上有一定的积累。”在他看来，静下心来探索重要的基础科学问题，要比做一些“短平快”研究更有意义。

　　想归想，但真正下定决心，翁红明也经过了一番纠结。

　　他坦言：“当转到一个更基础的方向，也意味着你在未来的几年甚至是更长的时间里都需要耐得住坐冷板凳。所以必须做好思想准备，去做一些积累性的工作。”

　　2008年，翁红明的人生又有了一次重大转折。

　　那一年，物理研究所研究员、博士生导师方忠到日本访问交流，翁红明跟他进行了深入的交谈和讨论。

　　翁红明告诉记者：“他跟我介绍了当时做的一项很有意思的工作。虽然我那时并没有很深刻的理解，却受到很大的启发——做研究应该抓住一些更新奇、更本质的问题。”

　　在方忠的影响下，2010年，翁红明决定回到国内，入职物理研究所，成为方忠团队的一名成员。

　　翁红明说：“每个人在一生当中可能会跟很多人交往交谈，但在人生重要转折时刻能够给你启发的却不多。能有这样的机遇去跟方忠老师交流并受到启发，我觉得这是非常宝贵和幸运的。”

　　在新的一年里，翁红明说自己有很多研究工作要做，尤其是如何在拓扑电子学器件研究方面取得突破，促使拓扑电子态理论变成可落地应用的技术。而这，需要跟器件和应用等方向的研究人员进行交流和讨论。

　　翁红明相信，拓扑时代的黎明时分正在临近。（记者 吴月辉）

向善而生的AI助盲，让AI多一点，障碍少一点******

　　有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。

　　AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。

　　新契机：多模态算法或将造福数以亿计失明者

　　科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。

　　一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。

　　多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。

　　大挑战：如何看到盲人“眼中”的千人千面

　　AI助盲看似简单，但多模态算法依然面临重大挑战。

　　多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。

　　但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。

　　另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。

　　为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。

　　另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。

　　最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。

　　多解法：浪潮信息AI助盲靶向消灭痛点

　　AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。

　　在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。

　　盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。

　　目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。

　　真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。

　　在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。

　　眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。

　　（文图：赵筱尘 巫邓炎）