盈彩网投资平台官网 - ios/安卓/手机版app下载

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）

AI绘画的“小秘密”都在这一篇文章里******

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　上传一张图片，或者输入一些简单的关键词，系统就能自动生成一张卡通图像……最近一段时间，AI绘画开始在互联网社交平台走红。

　　AI绘画，顾名思义就是利用人工智能进行绘画，是人工智能生成内容的典型应用场景之一。其主要原理是收集大量已有作品，通过算法对其内容和风格特征进行解析，最后再生成新的作品，所以算法是AI绘画的核心。

　　当前，“凭空”生成图像的AI绘画，其实也会动辄“翻车”：也许上一秒AI通过你的照片绘出的是一张充满艺术感的二次元画像，下一秒你的宠物猫、狗则可能被画成可爱少女或肌肉猛男。

　　事实上，AI绘画早已火爆全球。第一张公开展出的、由人工智能创作的绘画作品《埃德蒙·贝拉米的肖像》曾于2018年在佳士得拍卖行以43.25万美元成交，那是一张由机器学习了从14世纪到20世纪的1.5万张肖像画之后自动生成的一张肖像画作品。

　　AI绘画是如何实现“凭空”生图的？除了娱乐外，AI绘画还有哪些潜在的应用前景？

　　从“以图生图”到“语音生图”

　　2022年，由人工智能创作的《太空歌剧院》一度火出圈。在美国科罗拉多州举办的新兴数字艺术家竞赛中，《太空歌剧院》获得“数字艺术/数字修饰照片”类别一等奖。它的构图、配色以及画面的细节堪称精致。然而，这个作品的创作者不是艺术家，而是来自美国科罗拉多州的游戏设计师。

　　这位游戏设计师在一个名为“Midjourney”的AI创作工具里，先输入几个关键词，如光源、构图、氛围等，得到了100幅作品，再进行约80小时的修图修饰，最终选出3幅作品，最后把图像打印到画布上。

　　通过简单交互式对话在短时间内生成的“艺术”作品，让人类艺术家展开了一场关于“AI绘画作品参赛是否属于作弊”的争论。这场声势浩大的争论也令大众直观地意识到如今的AI绘画水平已经发展到了何种程度。

　　“人工智能在艺术方面的创作最早可以追溯到上个世纪末，当时的人工智能绘画技术叫作‘图像的风格化滤镜’。”中国科学院自动化研究所多模态人工智能系统全国重点实验室研究员董未名说，最初的AI绘画方法比较简单，比如一张普通的照片，通过一些图像处理的算法，把照片像素进行几何或者色彩上的变换，然后再调节不同参数，就可以模拟出类似油画或者水彩画的风格。

　　经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　AI绘画主要依靠三种技术模式实现

　　董未名介绍，目前AI绘画主要借助图像风格迁移技术、图文预训练模型和扩散模型实现。

　　“图像风格迁移技术指的是图像处理算法通过对输入的真实图像内容特征和对参考的艺术图像风格特征的提取，实现真实图像内容特征和艺术图像风格特征的融合，从而生成新的艺术图像。”董未名举例，如果将美国旧金山艺术宫的外景照片和印象派创始人莫奈绘制的作品，通过图像风格迁移技术进行融合，就能得到一张看起来像是由莫奈绘制的美国旧金山艺术宫的绘画作品。最初的AI绘画采用的正是这种技术。

　　不过，在董未名看来，图像风格迁移技术大多依赖的是生成式对抗网络（GAN）算法，它最大的问题是生成的绘画作品艺术性不强，笔触和构图让人觉得与真实的绘画有差距，所以长久以来，AI绘画一直“籍籍无名”。

　　当图像风格迁移技术还在挣扎于输出作品的审美问题时，图文预训练模型的出现，加速了AI绘画的崛起。

　　“依托图文预训练模型，只要输入一句话或者上传一幅风格明显的图片，算法就能将图像特征和文字特征‘对齐’。生成的绘画作品的内容特征和上传图片的内容相似，艺术性也比图像风格迁移技术生成的图片强很多。”董未名举例，比如支撑图文预训练模型的可对比语言—图像预训练（CLIP）算法，就是利用图文特征“对齐”的能力，再结合已有的生成模型，实现“以图生图”或者“图+文”生图。

　　不过，董未名坦言，图文预训练模型的推广也存在一些争议，有部分人认为，该模型在训练前期，需要用大量的图形处理器（GPU）进行数据训练，耗电量大、成本很高，而该模型的应用场景却不够清晰。但也有人认为，也许该模型未来可以打造为通用的人工智能模型，用它完成更多的算法作业，只是这还需要时间的验证。

　　诚然没有一项技术是完美的，这也为人类探究更先进的技术提供了无限动力。当下最流行的扩散模型便是其中之一。

　　“目前最新的AI绘画技术采用的就是扩散模型，这种模型可以把一个随机采样的噪声输入模型，然后尝试通过去噪来生成图像。”董未名表示，扩散模型也存在弱点，由于模型对图片内容识别的能力不足，或者难以完全理解识别文字的意义，以及训练数据的偏差，有时便会生成“四不像”的作品。此外，扩散模型生成图片的速度比较慢，目前还达不到实时生成图片。

　　互联网治理、元宇宙或潜藏应用前景

　　AI绘画目前的应用场景，更多聚焦于社交软件。近期在国内社交网络“火出天际”的AI绘画软件主要集中在小程序及App。随着AI绘画小程序的火爆，短视频平台抖音也迅速上线了AI绘画特效。同时，此前腾讯上线了“QQ小世界AI画匠”活动，百度也推出了首款AI艺术和创意辅助平台“文心一格”。

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”“AI现在已经完美实现了这一目标，人们可以通过机器计算来绘制出很多现实中见不到的场景。”董未名畅想，不远的将来，AI绘画或许还将展现更丰富的应用场景。

　　“现在网络上充斥着很多不良内容，这些内容为了逃避监管经常以绘画的形式出现，而当前很多内容识别模型对真实图片识别得很准确，但缺乏不良内容艺术作品的相关训练数据，所以对不良内容识别不准确。也许可以用AI绘画技术，积累不良内容艺术作品的数据，并用以训练识别模型，以提升互联网内容的安全监管能力和识别的准确率。”董未名建议。

　　在董未名看来，作为一种艺术呈现形式，AI绘画也将在元宇宙、设计、文旅等行业催生新的商业模式。例如AI绘画目前在AI辅助创作、短视频、影视制作和元宇宙等方面都有布局，因为这些赛道都离不开创意，AI绘画可以帮助创作者通过简单的特征输入，实现对其创意的预览，甚至可以直接进行创作。

　　不过，董未名并不讳言，当下AI绘画仍然存在版权争议问题。AI绘画的核心是模型，而训练模型需要使用大量图像、文本数据。对于未经授权的图片，经过运算之后所生成的图像版权归属尚难界定。“有的画家风格特别明显，如果用画家的画去训练算法模型生成作品，那最后的版权属于谁呢？”董未名提出的问题，正是多数AI绘画作品所面临的现实问题。

　　AI绘画掀起了一场资本的群体狂欢，希望有一天它能走出“照猫画虎”的尴尬，真正服务艺术创作、创造更多价值。（科技日报记者 金凤）

　　（文图：赵筱尘 巫邓炎）