每年临近10月的时候，整个科学界总弥漫着一股兴奋的情绪。人们在期待新一届诺贝尔奖得主揭晓的同时，也不禁做出各种猜测。诺贝尔奖评选的是“最能造福人类”的成果，因此它始终激励着各个领域的科学家在研究之路上披荆斩棘，并重新燃起社会各界对研究和科学进步的热情。对计算科学家而言，随着计算工具潜在的应用范围不断扩大，这种激励也是多样化的。
Credit: zhencong chen / Alamy Stock Photo
去年，我们回顾了诺贝尔奖的历史，并讨论了计算科学是如何直接或间接地影响了先前的获奖主题，以及计算科学是如何明确获得诺奖认可的。在今年的这期专刊中，我们将这些讨论进一步扩展。我们采访了各领域的专家——包括诺奖得主、诺奖得主曾经的同事，还有一位诺奖委员会成员。这不仅是为了赞美计算科学对物理和化学领域做出的多样贡献，更是为了展望未来，看清前路的挑战。虽然有许多重要的模型已获得了诺奖的认可，但本文中我们将重点关注计算科学在实现已有理论可计算化过程中的贡献——有些成果甚至是在计算能力极其有限的条件下做出的。
我们在专刊中重点讨论了1998年诺贝尔化学奖，它颁给了量子化学领域的两位先驱——Walter Kohn和John Pople。Kohn因发展出了密度泛函理论（DFT）而获奖，Pople则是因开发了量子化学的计算方法而获奖。实际上，前者的研究成果使量子化学计算成为可能，而后者的量子化学软件Gaussian彻底改变了计算化学领域。这款软件使研究者能从理论上研究分子、分子的性质，以及分子间相互作用，它有效地将Kohn的DFT变成了现实。我们有幸请到了这两位诺奖得主的前同事，同时也是量子化学领域巨擘的Lu Sham和Martin Head-Gordon，并与他们进行了交流。
Lu Sham曾与Kohn密切合作，共同提出了著名的Kohn–Sham方程。他们开发了一种简化的动能近似法，并提高了DFT在材料科学和化学研究中的实用性。这项成果也是Kohn获得诺贝尔奖的重大加分项。当他们最开始研究这项理论时，Sham并没有料到它会产生这么大的影响。“它随后的发展实在出乎我的意料，”Sham说。他们的研究成果的确是一项重要的、开创性的贡献。也正因此，仍有许多难题有待解决，其中一个挑战是DFT方法在量子材料和强关联系统中的应用。Alex Zunger所著的一篇评述详细探讨了这一问题，以及连接DFT和量子材料的可能性和机遇。
扫码阅读诺奖研究访谈
A collective effort for building DFT
Martin Head-Gordon在博士阶段师从Pople。他在化学领域也取得了杰出的成就，包括对DFT和密度泛函的研究，以及在Gaussian和之后的Q-Chem的开发中所做的贡献。同Pople共事的那段时光深刻影响了Head-Gordon的研究生涯。“他是在科学上对我影响最大的人，”Head-Gordon说。如今，Gaussian和Q-Chem依然是市面上使用范围最广的两款量子化学软件包。而Q-Chem还有许多未开发的领域有待探索。正如Head-Gordon所说：“我们正以各种方式迈向更加复杂的系统，改进核心算法是我们在这一阶段的主要任务。”
扫码阅读诺奖研究访谈
Curiosity-driven method development
另外，我们也关注了2013年的诺贝尔化学奖。这一年的诺贝尔化学奖颁给了Arieh Warshel、Michael Levitt和Martin Karplus，以表彰他们在开发复杂化学体系的多尺度模型方面的贡献。Warshel建立的量子力学/分子力学（QM/MM）方法让科学家们能以一种简易而准确的计算方法来模拟庞大系统。我们采访了Warshel，谈到了他目前的研究，以及他在研究生涯中曾遇到的一些挑战。Warshel提到，曾经很难“让人们相信，计算机是准确理解酶工作原理的唯一方法。”尽管如此，Warshel、Levitt和Karplus的研究还是逐渐为学术界所广泛接受。“大家很快注意到了分离QM和MM的简单想法，而不是实现精确模拟的方法，”Warshel说。而正是这份简洁，使得QM/MM至今仍然是各领域计算科学家不可或缺的一种方法。（详见推文：分子力学引导下的量子化学计算 | 2013诺贝尔化学奖得主访谈）
扫码阅读诺奖研究访谈
Quantum mechanics guided by simplicity
在这期专刊中，我们还讨论了计算科学界对物理学的重要贡献。我们采访到了Saul Perlmutter——他因观察遥远的超新星，发现了宇宙加速膨胀而获得了2011年诺贝尔物理学奖。在这项研究当中，Perlmutter需要从广域图像中识别出成千上万个星系，并在这些星系中寻找超新星。他表示，“这份任务很适合交给计算机来做。”这项研究需要借助先进的计算技术，而他刚好遇上了计算技术大发展的良机。“从技术上看，可以说我的研究正当其时，”Perlmutter说，“计算技术在这项研究中发挥了关键作用。”（详见推文：计算机“眼”中的宇宙膨胀 | 2011诺贝尔物理学奖得主访谈）
扫码阅读诺奖研究访谈
The Universe’s expansion in the eyes of computers
最近，2021年诺贝尔物理学奖授予了Giorgio Parisi、Syukuro Manabe和Klaus Hasselmann。他们因在理解复杂物理系统（如地球气候），以及在实现复杂物理系统的可计算化方面的研究而获奖。我们联系到了诺贝尔物理学奖委员会成员John Wettlaufer，他向我们介绍了Parisi三人摘得桂冠的原因。从他的讲述中，我们得以瞥见诺贝尔委员会决策的幕后。Wettlaufer指出，要想进一步推动该领域发展，并解决气候变化相关的挑战，就应将数据和数据驱动方法作为计算科学发展的重点，而这离不开多学科合作。“这可能是一句老生常谈，但如果人们继续各自为战，那么它将永远无法实现，”Wettlaufer说。Mojib Latif所著的一篇评述也讨论了当前的挑战，以及先进的地球系统和全球气候模式如何能有助于解答这些紧迫问题，以减轻人类活动对气候变化和全球变暖的影响。（详见推文：实现复杂系统的计算 | 诺贝尔委员会成员访谈）
扫码阅读诺奖研究访谈
Making complex systems computable
其他年份的诺贝尔奖或许并未直接认可计算科学界的贡献，但获奖的研究均得到了计算的极大加持，例如2020年的诺贝尔化学奖——Emmanuelle Charpentier和Jennifer Doudna因开发了CRISPR–Cas9基因组编辑技术而共同获奖。Lei Stanley Qi在博士期间曾得到过Doudna的指导。在一篇评述中，他向我们说明了计算分析是如何揭示CRISPR抵御病毒感染的一般性免疫功能，并助力了CRISPR系统的发现，以及计算科学如何赋能CRISPR基因组编辑工具的进一步发展。（详见推文：计算如何赋能CRISPR的发现与技术发展？| 诺奖研究回顾）
扫码阅读诺奖研究评论
Computation empowers CRISPR discovery and technology
有趣的是，这些采访和文章存在着一些共同主题。首先是实验者和理论学家之间的合作的重要性。例如，Sham说明了DFT可用于指导后续的实验研究。而Perlmutter指出，实验和观测证实了他所在领域的许多计算预测。但正如Head-Gordon所说，理论与实验之间的反馈循环固然重要，但也不可能一帆风顺，比如要尽可能确保在实验中重现模拟对象。另一个反复出现的主题是多学科研究的重要性。例如，Wettlaufer指出，多学科合作是有效开展数据驱动的气候研究的必要条件。而Qi表示，其他领域开发出的计算工具（如蛋白质结构预测算法）能极大地提高CRISPR技术的潜力。这些共通之处表明，尽管上述研究所处的领域不同，本质（从建模、理论到软件开发）相异，但它们也存在关联，面临着相似的挑战。这些都反映出计算科学研究的特点。（详见推文：气候模式的发展之路 | 诺奖研究回顾）
扫码阅读诺奖研究评论
The roadmap of climate models
万众期待的2022年诺贝尔奖已于10月3日至10日逐步揭晓。关注诺奖的同时，也欢迎您前来阅读本期专刊，通过精选访谈和评述了解计算科学对自然科学的影响和贡献。
扫码阅读更多《自然-计算科学》推出的诺贝尔系列文章
联系客服
