科技行者 10月10日 北京消息:2019年10月8日,瑞士科學(xué)家Michel Mayor和Didier Queloz與加拿大裔美國(guó)人James Peebles因其在宇宙學(xué)和系外行星方面的開(kāi)創(chuàng)性工作而共同獲得諾貝爾物理學(xué)獎(jiǎng)。
2019年10月8日瑞典皇家科學(xué)院公布將2019年諾貝爾物理學(xué)獎(jiǎng)授予來(lái)自日內(nèi)瓦大學(xué)的瑞士科學(xué)家Michel Mayor和Didier Queloz以及普林斯頓大學(xué)的加拿大裔美國(guó)宇宙學(xué)家James Peebles,他們將共同獲得約91萬(wàn)美元的獎(jiǎng)金。諾貝爾委員會(huì)表示:“他們改變了人們對(duì)宇宙結(jié)構(gòu)和歷史的新認(rèn)識(shí),并首次發(fā)現(xiàn)了圍繞其他類(lèi)太陽(yáng)恒星運(yùn)行的系外行星。這些發(fā)現(xiàn)將永遠(yuǎn)改變我們對(duì)世界的認(rèn)識(shí)。”
“簡(jiǎn)直非同尋常”
日內(nèi)瓦大學(xué)77歲的天體物理學(xué)家Michel Mayor和53歲的天文學(xué)家Didier Queloz因發(fā)現(xiàn)第一個(gè)系外行星而被授予此獎(jiǎng)項(xiàng)。系外行星是太陽(yáng)系外的行星,它繞類(lèi)太陽(yáng)恒星運(yùn)行。早在1995年10月,他們發(fā)現(xiàn)與木星相似的氣態(tài)星體飛馬座51b(51 Pegasi B),當(dāng)時(shí)引發(fā)了一場(chǎng)在宇宙其他地方尋找生命的革命,當(dāng)時(shí)“沒(méi)人知道系外行星是否存在”。
Mayor和Queloz通過(guò)利用多普勒光譜儀技術(shù)找到系外行星,該技術(shù)可以測(cè)量在行星和恒星圍繞共同重心運(yùn)動(dòng)時(shí)恒星發(fā)生的微小擺動(dòng)。這種擺動(dòng)交替地使來(lái)自恒星的光發(fā)生藍(lán)移和紅移。
“這一發(fā)現(xiàn)是我們整個(gè)職業(yè)生涯中最激動(dòng)人心的時(shí)刻,能獲得諾貝爾獎(jiǎng)簡(jiǎn)直非同尋常” Mayor和Queloz在周二的一份聲明中說(shuō)道, “也許我們可以發(fā)現(xiàn)某種形式的生命,但我們不知道哪種形式。”目前科學(xué)家已發(fā)現(xiàn)4000多顆有支持生命條件的系外行星。
兩位來(lái)自瑞士的諾貝爾獎(jiǎng)獲得者Didier Queloz 和 Michel Mayor在2005年的合照
(圖片Keystone / Laurent Gillieron)
瑞士卓越的教育與創(chuàng)新
諾貝爾物理學(xué)獎(jiǎng)被廣泛認(rèn)為是世界上最負(fù)盛名的獎(jiǎng)項(xiàng),也是一個(gè)國(guó)家研究能力的有力證明。
瑞士以其研究而著稱,在諾貝爾獎(jiǎng)榜上名列前茅,自1901年以來(lái)瑞士共獲得28項(xiàng)諾貝爾獎(jiǎng)(21項(xiàng)科學(xué)類(lèi)獎(jiǎng)項(xiàng))。這個(gè)坐落在阿爾卑斯山的小國(guó)每1000萬(wàn)居民就擁有32.77諾貝爾獎(jiǎng)得主,相比之下美國(guó)的平均值為11.48和歐盟為9.44。這些瑞士科學(xué)家中就包括著名的阿爾伯特·愛(ài)因斯坦,他因?qū)碚撐锢韺W(xué)的貢獻(xiàn)而獲得1921年諾貝爾物理學(xué)獎(jiǎng)。
瑞士能夠在國(guó)際教育、研究和創(chuàng)新領(lǐng)域始終保持領(lǐng)先地位,得益于其世界一流的高等教育和研究機(jī)構(gòu)以及有力的經(jīng)濟(jì)和政府政策支持。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。