2023年未来科学大奖揭晓

文/本刊记者 段永利

8月16日，2023年未来科学大奖名单正式揭晓。

未来科学大奖设立于2016年，是由香港未来科学大奖基金会设立，科学家、企业家群体共同发起的民间非营利性科学奖项。未来科学大奖关注原创性的基础科学研究，设置“生命科学奖”“物质科学奖”“数学与计算机科学奖”三个奖项，奖励在中国内地（大陆）、香港、澳门、台湾取得杰出科学成果的科学家，以创新模式带动更多民间资金推动中国基础科学的研究，促进科学事业发展，以科学精神影响中国、影响世界、影响下一代。 其有“中国的诺贝尔奖”之誉。

2023年未来科学大奖“物质科学奖”由中国科学院院士、国家超导实验室学术委员会主任赵忠贤，中国科学院院士陈仙辉获得；西湖大学生命科学学院植物免疫学讲席教授柴继杰、中国科学院遗传与发育生物学研究所研究员周俭民获得“生命科学奖”；Facebook AI 研究院（FAIR）研究科学家何恺明，旷视前首席科学家、旷视研究院院长孙剑（2022年去世），蔚来自动驾驶研发首席专家、助理副总裁任少卿，旷视研究院主任研究员、西安交通大学人工智能学院兼职教授张祥雨共同获得“数学与计算机科学奖”。

科学之美在探索的乐趣。从“40后”的赵忠贤到“90后”的张祥雨，从中国科学院院士到企业研究员，从抗病小体到高温超导，本届未来科学大奖的各项获奖工作都具有开创性的原创价值，他们的持续创新精神推进了学科发展，拓展了人类的认知边界，为人类创造了更多新的可能。他们的故事也激励着我们继续探索未知，在科学殿堂续写传奇。

物质科学奖

获 奖 人：赵忠贤 陈仙辉

获奖理由：对高温超导材料的突破性发现和对转变温度的系统性提升做出了开创性贡献。

超导指的是某些材料在温度降低到某一临界温度，电阻突然消失并且不能被磁场穿过的现象，是一种宏观量子现象。摆脱超导应用的低温或高压环境限制，是科学家一直以来的梦想，承载着人类开启能源和信息革命的殷切期盼。超导材料科学已成为当今重要的科研领域，超导体可以用于大科学装置、军工、信息技术、生物医学、电力系统、交通运输等领域。

中国科学家曾两次在世界超导研究上大放异彩，最近的一次为2008年以赵忠贤为代表的中国科学院物理所、以陈仙辉为代表的中国科学技术大学关于“40K（-233.15℃）以上铁基高温超导体的发现及若干基本物理性质研究”。

2008年2月，致力于寻找透明导电氧化物材料的日本科学家细野秀雄意外发现在镧氧铁砷化合物中存在转变温度为26K（-247.15℃）的超导电性，打破了以往认为铁基超导不利于形成超导的迷思。

我国从事超导研究的科研人员敏锐地注意到了这篇文章。赵忠贤团队分析道：镧氧铁砷不是孤立的，26K的转变温度大有提升空间。由于此前的研究积累，物理所很快以另一种方法制备镧氧铁砷多晶样品，逐渐和国外研究组拉开差距，世界上数十家一流研究机构纷纷请求提供高质量的超导样品。

2008年3月，陈仙辉团队采用稀土元素替代方式，用钐替换镧，发现临界温度为43K（-230.15℃）的铁基化合物，突破了40K的“麦克米兰极限”，证明铁基超导体是继铜基超导后的又一类非常规高温超导体。

同年4月初，赵忠贤团队将该类铁砷化合物的临界温度提升至55K（-218.15℃），利用高压合成技术制备出一大批不同元素构成的铁基超导材料，标志着铁基高温超导家族基本确立。

铁基超导体具有更加丰富的物理性质，井喷的成果产出让产业化脚步越迈越大。2016年，中国科学院电工研究所成功研制全球首根100米量级的122型铁基超导长线。尽管铁基超导家族远未实现人类的室温超导之梦，但其研究丰富了高温超导门类，有助于了解高温超导机制。

《科学》杂志“2008年度十大科学突破”、美国物理学会“2008年度物理学重大事件”及欧洲物理学会“2008年度最佳”……中国科学家的铁基超导体研究成了当年的年度大满贯。此外，《科学》发表了题为《新超导体将中国物理学家推到最前沿》的专题评述。著名理论物理学家，美国佛罗里达大学Peter Hirschfeld教授说：“一个或许本不该让我惊讶的事实就是，居然有如此多的高质量文章来自北京，他们确确实实已进入了这个（凝聚态物理强国）行列。”

生命科学奖

获 奖 人：柴继杰 周俭民

获奖理由：为发现抗病小体并阐明其结构和在抗植物病虫害中的功能做出了开创性工作。

全球高达40%的农作物产量因植物病虫害而损失，每年给全球经济造成的损失超过3000亿美元。面对长久以来存在的粮食安全、农药带来的环境与疾病威胁，抗病基因育种被赋予巨大的期待。

在抵御病毒、细菌或真菌侵袭的战争中，植物进化出了复杂高效的两层免疫系统，细胞表面受体介导的广谱性识别（PTI）和抗病基因介导的特异性识别（ETI）。处于这两层免疫系统核心的是数目众多的抗病蛋白，具有核苷酸结合域并富含亮氨酸重复序列的NLR蛋白是其中的大家族。迄今为止，已有数百个抗病基因被克隆，其中有61%的编码为NLR免疫受体。

尽管第一个植物NLR抗病蛋白于1994年完成克隆，但学界对于抗病蛋白在识别病原菌入侵以及如何启动抗病反应等方面还知之甚少。由于抗病蛋白构成复杂、分子量大且构象多变，25年来，多个国际顶尖实验室都未能破解完整的抗病蛋白结构。

对于这一难题，周俭民打了个比方：抗病基因像是调动免疫系统的总指挥，它可以调动千军万马去抵抗病原，但人类并不知道它具体发了什么命令。常规的研究手段已经穷尽，结构生物学手段或许大有用武之地，这是周俭民和柴继杰的共识。

截至目前，植物抗病领域现有的复合体结构几乎都出自柴继杰的实验室：2007年第一个细菌效应蛋白和植物中对应抗性蛋白的复合物（AvrPto-Pto），2013年第一个被解析的植物LRR模式识别受体复合物（FLS2LRR-flg22-BAK1LRR），2015年第一个植物肽类激素的激活复合物结构（PSKPSKRLRR-SERKLRR），可以说该实验室是全球植物抗病结构研究中的“领跑者”。

2019年，柴继杰和周俭民团队强强联手，首次成功解析了植物抗病蛋白的结构和功能，破解了困扰植物免疫学界20多年的难题：植物抗病蛋白究竟是如何控制细胞死亡和免疫的。这也为设计广谱、持久的新型抗病蛋白、发展绿色农业奠定了核心理论基础。国际植物抗病研究权威科学家、美国科学院院士Jeffery Dangl和英国皇家学会会员、美国科学院外籍院士Jonathan Jones对这一重大突破性成果给予了高度评价：“首个抗病小体的发现，为植物如何控制细胞死亡和免疫提供了线索，打开了多个开拓性研究方向。”

在长达19年的时间里，他们精诚合作，最终发现了由免疫受体激活后形成的抗病小体，并解析了其结构和功能。他们发现，抗病小体是由免疫受体蛋白在识别病原体效应子后形成的多组分复合体。这种复合体通过形成钙离子通道引起植物免疫反应，从而保护植物免受感染。这是近年来植物免疫研究领域的最重大的进展之一，有助于减轻粮食安全威胁和保护生态环境。

数学与计算机科学奖

获 奖 人：何恺明 孙剑 任少卿 张祥雨

获奖理由：提出深度残差学习，为人工智能作出了基础性贡献。

深度残差网络（Deep Residual Network，ResNet）是深度学习领域最重要的研究之一，已经被写进教科书，属于每个人工智能从业者都要掌握的基本功。亚马逊首席科学家李沐曾评价：假设你在使用卷积神经网络，有一半的可能性就是在使用ResNet或它的变种。

机器学习大概要解决三个问题。一是系统是否可以有能力拟合，能力是否够。二是如何拟合，也就是训练优化问题。三是推广能力问题。ResNet主要是解决第二个问题。

孙剑曾在2017年介绍过ResNet研究的背景：曾经人们不相信深度学习网络是可以被训练的，2012年8层的AlexNet改变了人们的看法。但受各种条件的限制，在ResNet开发之前，19层的VGG已经是表现最好的网络。这主要是因为神经网络的退化问题（Degradation Problem）：更深的网络会呈现更差的准确率。因为即使新增的神经层不改变其输入（恒等映射），更深的网络至少可以与较浅的网络相同。

在神经网络可以收敛的前提下，随着网络深度增加，网络的表现先是逐渐增加至饱和，然后迅速下降。在这个限制下，当时网络层数在20层时表现最好，更多层的网络反而表现不佳。

何恺明、孙剑、任少卿、张祥雨这个平均年龄只有38岁出头的团队，提出了深度残差学习框架以解决该问题。在残差网络中，每个单元只需要表达一个改变量（“残差”），而不需要把输入推倒重建。通过残差连接，ResNet把每个单元的输入以恒等映射加到输出上。恒等映射可以减少信号在神经网络中传播时的失真，使信号经历非常多次变换后仍可以保持信息。

ResNet使得更深的网络训练成为可能。把网络层数拓展到了上百甚至上千。

深度神经网络推动了人工智能的革命和高速发展。其中，增加深度是神经网络在各种人工智能应用中带来突破性进展的关键。这项工作在这一发展中发挥了核心作用，使神经网络能够达到前所未有的深度，并获得以前难以实现的能力。ResNet团队所提出的深度残差学习框架，包括ResNet及其思想，在许多不同的领域促成了大量突破性的成果，其中包括AlphaGo、AlphaFold和ChatGPT等深刻影响了人类社会发展的工作。

ResNet的成功离不开孙剑的学术眼光，张祥雨曾经倾向于选择人脸领域的博士课题，但导师孙剑果断让他去做深度学习。在微软亚洲研究院，也是孙剑把原来从事不同领域研究的何恺明，还有当时在微软亚洲研究院实习的任少卿、张祥雨拉到一起做深度学习研究。

何恺明、任少卿、张祥雨合作密切，组队后在ICCV、CVPR、ECCV等计算机视觉方面的三大顶级国际会议多次发文。2015年，由孙剑带队，何恺明、张祥雨、任少卿共同完成的深达152层的残差神经网络模型 ResNet 参加 ImageNet大规模视觉识别挑战赛，误差率降到3.57%，首次超过人眼的准确率5.1%，夺得所有细分比赛冠军。

团队对冠军并不满足，经过对上任ImageNet冠军谷歌GoogLeNet的研究，张祥雨发现GoogLeNet用更少的参数量和计算量赢得冠军的关键，是其中一条卷积分支起到了直连（shortcut）作用，但当时并不清楚如何构建新的网络结构，最终在何恺明的建议下放弃了复杂的分形网络结构，完成了ResNet。

ResNet研究完成后，团队还进行了进一步的探索，试图进一步解释ResNet本身的原理。后续研究经验性地发现将identity支路变得更通畅，可以进一步提升ResNet的性能，并且观察到训练过程中ResNet有效层数不断增加。何恺明后来还相继提出了ResNetV2、ResNeXt 等设想。

2016年，何恺明、孙剑、任少卿、张祥雨团队发表了论文Deep Residual Learning for Image Recognition，提出ResNet。这篇论文获2016年CVPR最佳论文奖，2021年被引数量突破10万次，现在的被引数量已经突破了17万次。