有人开发出了 AlphaFold，有人发现了嗜睡症病因…… 他们都获得了 2023 年的「科学界奥斯卡奖」。
刚刚，突破奖（Breakthrough Prize） 基金会及其创始赞助人宣布了 2023 年奖项得主：- 生命科学突破奖授予了 Clifford P. Brangwynne 和 Anthony A. Hyman；Demis Hassabis 和 John Jumper；Emmanuel Mignot 和柳沢正史（Masashi Yanagisawa）。
- 数学突破奖授予了 Daniel A. Spielman。
- 基础物理学的突破奖则授予了 Charles H. Bennett、Gilles Brassard、David Deutsch 和 Peter Shor。
他们将获得共计高达 1575 万美元的奖金，每个团队 300 万美元。突破奖是 2012 年起颁发的科学奖项，旨在奖励在生命科学，数学和基础物理学领域有杰出贡献的人士，让他们能像「摇滚明星」一样得到世人的认知，并吸引更多优秀人才投身到科学研究领域。这三个奖项是由谢尔盖 · 布林、安妮 · 沃西基、马克 · 扎克伯格、普莉希拉 · 陈、尤里 · 米尔纳、茱莉亚 · 米尔纳、马云和张瑛夫妇创立的。2017 年，马化腾也成为该奖项的捐赠人。获奖者会获得三百万美元作为奖金，并且参与电视转播颁奖典礼以庆祝他们的成就并以鼓励其他的科学家。除此之外，获奖者也会被邀请参与演讲与讨论会。此外，该奖项基金会还设有物理学和数学新视野奖、Maryam Mirzakhani 新前沿奖，授予处于职业生涯早期的研究人员。从奖金设置上来看，突破奖是科研领域里最高的奖项，堪称「豪华版诺贝尔奖」，又称「科学界的奥斯卡」。加州大学洛杉矶分校数学教授陶哲轩、德州大学西南医学中心教授陈志坚、哈佛大学教授庄小威、科罗拉多大学物理学教授叶军、香港中文大学教授卢煜明、中国科学院高能物理研究所所长王贻芳、加利福尼亚大学伯克利分校物理教授陆锦标等人曾获得过该奖项。生命科学突破奖（Breakthrough Prize in Life Sciences）是突破奖其中一项，于 2013 年开始颁发，用以奖励对治疗顽疾和延长人类寿命有杰出贡献的研究者。每一位获奖者都可独得 300 万美元奖金，是迄今奖金最高的生物学或医学奖项。- DeepMind 创始人 Demis Hassabis 和 DeepMind AI 研究员 John Jumper，他们开发了可以准确预测蛋白质结构的 AlphaFold；
- 普林斯顿大学化学与生物工程副教授 Clifford P. Brangwynne 和马克斯 · 普朗克科学促进学会生物学家 Anthony A. Hyman，他们发现了一种新的细胞组织机制；
- 斯坦福大学睡眠医学与科学中心主任 Emmanuel Mignot 和日本筑波大学国际睡眠医学研究所所长柳沢正史，他们发现了发作性嗜睡症（narcolepsy）的病因。
Demis Hassabis 和 John Jumper 是 AlphaFold 2 背后的领头人。AlphaFold 2 在很大程度上解决了蛋白质结构预测问题（将科学家通常用于确定蛋白质结构的时间从几个月或几年缩短到几小时或几分钟），这是生物学中最具有挑战性的问题之一。去年，他们所在的团队发布了 AlphaFold 2，该模型以原子水平的准确度预测了 2/3 的蛋白质结构。此外，他们还与 EMBL-EBI 共同发布了开放可搜索的蛋白质结构数据库 AlphaFold DB，与世界共同分享这一技术。今年 7 月份，DeepMind 宣布 AlphaFold DB 已从 100 万个结构扩展到超过 2 亿个结构，扩大超过 200 倍，几乎涵盖所有已知蛋白质，这一进展将极大地提升人们对于生物学的理解，对于药物设计、合成生物学、纳米材料的研究以及人们对细胞过程的基本理解都有着深远的影响。Clifford P. Brangwynne 和 Anthony A. Hyman 发现的一种新的细胞过程也得到了生命科学突破奖的认可。直到最近，人们还认为细胞中的大部分工作都是在细胞器中进行的，细胞器是细胞质中具有特定形态结构和功能的微器官，也称为拟器官或亚结构。但是 Clifford P. Brangwynne 和 Anthony A. Hyman 发现了一个全新的物理原理，可以在没有细胞膜的情况下，聚合蛋白质和其他生物分子之间的细胞相互作用。他们描述了通过相分离（ phase separation）迅速形成的动态液体状液滴——类似于在水中形成的油滴——如何产生临时结构并免受水细胞内部的分子动荡的影响。他们和其他人证明了这些无膜液体冷凝物在许多细胞过程中发挥作用，包括信号传递、细胞分裂、细胞核中核仁的嵌套结构和 DNA 的调节。他们的发现是对细胞组织理解的一个根本性进步，未来可能在临床中得到应用，包括神经退行性疾病，如肌萎缩侧索硬化症（俗称渐冻症）的治疗。Emmanuel Mignot 和柳沢正史的研究是有关发作性嗜睡症的。发作性嗜睡症又叫渴睡症、猝睡症，是一种神经退行性疾病，症状包括白天过度嗜睡，通常持续数秒至数分钟，且随时可能发生。大约 70％的患者也经历肌肉突然无力的情况，称为猝倒。这些经历可以通过强烈的情绪触发。也有可能在睡著或醒来时无法移动或形成幻觉，不过较不常见。发作性嗜睡症患者每天的睡眠时间与一般人相同，但睡眠品质往往更差。在 Emmanuel Mignot 和柳沢正史的研究成果出来之前，人们对发作性嗜睡症的病因知之甚少。他们的研究表明，这种疾病的关键在于蛋白质促食欲素（也称为下丘脑泌素），这种激素通常用于调节觉醒状态。在一些动物中，比如狗，嗜睡症是由一种突变引起的，这种突变影响了与促食欲素结合的神经受体。而在人类中，这种疾病是由免疫系统攻击能产生促食欲素的细胞而引发的（免疫系统可能误以为它是病毒颗粒）。Emmanuel Mignot 和柳沢正史的发现已经启发了缓解嗜睡症症状的治疗方法，同时也使设计催眠药物成为可能。他们的研究揭示了，发作性嗜睡症是一种自身免疫性的神经退行性疾病。同时，他们还提出，其他神经退行性疾病可能是由神经元的选择性丧失引起的。他们揭示了睡眠和觉醒的一个中心机制，这是一个仍有许多谜团的行为领域。数学突破奖授予了耶鲁大学的计算机科学、统计学、数据科学和数学、应用数学教授 Daniel A. Spielman，以表彰他在理论计算机科学和数学方面的多项发现。Spielman 的工作重申了抽象和基础研究的基本价值，展示了它如何以我们无法预测的方式为生活的许多方面带来影响，为造福现实世界的方法奠定基础。基金会列举了斯皮尔曼的几项成就，包括他在解决 Kadison-Singer 猜想中的作用，这是一个在长达 50 多年时间内未被解决的数学问题，其本质是问是否可以从一个只能观察或测量一些特征的系统中收集到独特的信息。该解决方案与许多领域相关，包括统计学、纯数学、量子物理学的数学基础和计算机科学。突破奖基金会还引用了 Spielman 对谱图理论、数值线性代数、优化和编码理论的贡献。Spielman 的见解和算法不仅对数学具有重要意义，而且对计算、信号处理、工程甚至临床试验设计等实际问题也具有重要意义。Spielman 表示，他的大部分工作都集中在设计更快的算法来求解线性方程组，然后利用这些算法更快地执行其他任务。他表示，获得突破奖是「一项巨大的荣誉，而且有点过誉了」。基础物理学突破奖用以奖励在基础物理学有重大成就的物理学家，尤其是较近期的发现和成就。不同领域的物理学家，包括理论物理学、数学物理学和实验物理学，均可得奖。今年的基础物理学突破奖表彰了四位将数学、计算机科学和物理学相结合，在「量子信息领域开展基础工作」的先驱。该奖项由 IBM Fellow Charles Bennett、蒙特利尔大学物理学家 Gilles Brassard、牛津大学物理学家 David Deutsch 和麻省理工学院教授 Peter Shor 分享。「这四位科学家为量子信息理论的出现做出了重大贡献，」日内瓦大学的实验量子物理学家 Nicolas Gisin 说道，「他们获奖是众望所归。」从广义上讲，量子信息理论是两种理论的结合：量子力学——描述原子和亚原子世界的反直觉行为，以及信息论——它详细说明计算和通信的数学和物理限制。它的历史是一个混乱的故事，零星的进步常常被传统的科学期刊所忽视。与金融等行业当前常用的方法不同，美国物理学家 Charles H.Bennett 和加拿大密码学家 Gilles Brassard 提出的 BB84 协议即使是拥有无限计算能力的窃密者也无法破解（BB84 得名于两人姓的首字母和提出年份）。他们在 1993 年与合作者共同发现了量子隐形传态，表明纠缠是一种有用的可量化资源，尽管它本身没有通信能力，从而帮助启动了量子信息处理的新科学。David Deutsch 奠定了量子计算的基础。他定义了图灵机的量子版本——一种通用量子计算机，并证明它可以以任意精度模拟任何遵守量子力学定律的物理系统。他表明，这样的计算机相当于一个由数量惊人的量子门组成的网络——同时利用纠缠和许多状态的量子叠加的逻辑门。他设计了第一个超越最佳等效经典算法的量子算法。Peter Shor 在此基础上发明了第一个明显可用的量子计算机算法。Shor 的算法可以比任何经典算法更快地找到大数的因子。他还设计了量子计算机中的纠错技术——这比在经典计算机中要困难得多，在经典计算机中，我们仅需简单的冗余。这些想法不仅为当今快速发展的量子计算机铺平了道路，他们也将基础物理学的前沿推进了一步，特别是在计量学（测量科学）和量子引力研究方面。https://breakthroughprize.org/News/73 产业AlphaFoldGoogleDeepMind 
