2021年诺贝尔物理学奖授予：Syukuro Manabe、Klaus Hasselmann和Giorgio Parisi

（神秘的地球uux.cn报道）据中国物理学会期刊网：北京时间10月5日下午5点45分，瑞典皇家科学院宣布将2021年诺贝尔物理学奖授予：美国物理学家Syukuro Manabe、德国物理学家Klaus Hasselmann、意大利物理学家Giorgio Parisi。2021年诺贝尔物理学奖授予“对我们理解复杂系统作出开创性贡献”。

获奖理由

其中一半为表彰Syukuro Manabe和Klaus Hasselmann，原因为“用于地球气候的物理建模，量化变异性和可靠预测全球变暖”（for the physical moDELLing of Earth’s climate， quantifying variability and reliably predicting global warming）。

另一半颁发给Giorgio Parisi，获奖原因“发现从原子到行星尺度的物理系统紊乱和波动的相互作用”（for the discovery of the interplay of disorder and fluctuations in physical systems from atomic to planetary scales）。

气候和其他复杂现象的物理学

NOBEL PRIZE

三位获奖者分享了今年的诺贝尔物理学奖，因为他们对混乱和明显随机现象的研究。Syukuro Manabe和Klaus Hasselmann为我们了解地球气候以及人类如何影响地球气候奠定了基础。Giorgio Parisi因对无序材料和随机过程理论的革命性贡献而得到奖励。

复杂的系统具有随机性和紊乱的特点，难以理解。今年的奖项表彰了描述他们和预测他们长期行为的新方法。

对人类至关重要的一个复杂系统是地球的气候。Syukuro Manabe展示了大气中二氧化碳含量的增加如何导致地球表面温度升高。20世纪60年代，他领导了地球气候物理模型的开发，并成为第一个探索辐射平衡与空气质量垂直传输之间相互作用的人。他的工作为发展目前的气候模型奠定了基础。

大约十年后，Klaus Hasselmann创建了一个将天气和气候联系起来的模型，从而回答了为什么气候模型可以可靠，尽管天气多变和混乱的问题。他还开发了识别特定信号、指纹的方法，这些信号是自然现象和人类活动在他气候中留下的印记。他的方法被用来证明大气中温度的升高是由于人类排放的二氧化碳造成的。

1980年左右，Giorgio Parisi在无序的复杂材料中发现了隐藏的图案。他的发现是复杂系统理论最重要的贡献之一。它们使得理解和描述许多不同和显然完全随机的材料和现象成为可能，不仅在物理学领域，而且在数学、生物学、神经科学和机器学习等其他非常不同的领域也是如此。

“今年被确认的发现表明，我们对气候的了解建立在一个坚实的科学基础上，基于对观测的严格分析。今年的获奖者都有助于我们更深入地了解复杂物理系统的特性和演变，”诺贝尔物理学委员会主席Thors Hans Hansson说。

获奖人详细信息

NOBEL PRIZE

真鍋 淑郎（Syukuro Manabe）， 1931年出生于日本新谷。1957年毕业于日本东京大学。美国普林斯顿大学高级气象学家。

克劳斯·哈塞尔曼（Klaus Hasselmann）， 1931年出生于德国汉堡。1957年毕业于德国哥廷根大学。德国汉堡马克斯·普朗克气象研究所教授。

乔治·帕里西（Giorgio Parisi）， 1948年出生于罗马。意大利。1970年毕业于意大利罗马萨皮恩扎大学。意大利罗马萨皮恩扎大学教授

（神秘的地球uux.cn报道）据新浪科技：2021年诺贝尔物理学奖授予Syukuro Manabe，Klaus Hasselmann和Giorgio Parisi，获奖理由：对我们对复杂物理系统的理解做出了突破性贡献。Syukuro Manabe与Klaus Hasselmann共同获得了一半的诺贝尔物理学奖，获奖理由：建立了地球气候的物理模型，能够量化变化情况、以及可靠预测全球变暖。

诺贝尔物理学奖另一半授予Giorgio Parisi，获奖理由：发现从原子级到行星级尺度物理系统的无序性与波动之间的相互作用。

简短解读：

研究气候和其他复杂现象的物理学

三位物理学家因为他们对混沌和随机现象的研究而分享了今年的诺贝尔物理学奖。Syukuro Manabe和Klaus Hasselmann为我们了解地球气候以及人类对气候的影响奠定了基础。Giorgio Parisi因其对无序物质和随机过程理论的突破性贡献而获奖。

复杂系统具有随机性和无序性，令人难以理解。今年的诺贝尔奖表彰了描述复杂系统及预测其长期行为的新方法。

地球气候是一个对人类至关重要的复杂系统。Manabe Syukuro展示了大气中二氧化碳含量增加如何导致地球表面温度升高的过程。20世纪60年代，他领导开发了地球气候的物理模型，成为第一个探索辐射平衡和气团垂直输送之间相互作用的人。他的工作为当前气候模型的发展奠定了基础。

大约十年后，Klaus Hasselmann创建了一个将天气和气候联系在一起的模型，回答了在天气多变和混乱的背景下，这些气候模型依然可靠的原因。他还开发了识别自然现象和人类活动在气候中留下特定印记信号，即“指纹”的方法。利用这些方法，众多研究者已经证明了大气温度的升高是由于人类排放的二氧化碳。

大约在1980年，Giorgio Parisi在无序的复杂物质中发现了隐藏的模式。他的发现是对复杂系统理论最重要的贡献之一，使理解和描述许多不同的、显然完全随机的物质和现象成为可能，并且不仅局限于物理领域。在其他非常不同的领域，如数学、生物学、神经科学和机器学习中，这些理论也发挥了重要作用。

诺贝尔物理学委员会主席Thors Hans Hansson说：“今年获奖的这几项发现表明，我们关于气候的知识基于坚实的科学基础，以及对观测结果的严格分析。今年的获奖者都为我们深入了解复杂物理系统的特性和演变做出了贡献。”

深度解读：

温室效应对生命至关重要

200年前，法国物理学家约瑟夫·傅里叶对太阳向地表发出的辐射、以及从地表向外发出的辐射之间的能量平衡展开了研究，弄清了地球大气在这一平衡中扮演的角色：在地球表面，地球接收的太阳辐射会转化为向外发出的辐射（即所谓的“暗热量”），这些辐射会被大气吸收，从而对大气起到加温作用。大气发挥的这种保护作用如今被称作“温室效应”。太阳的热量可以透过大气到达地表，但会被困在大气层内部。不过，大气中的辐射过程还远比这复杂得多。

科学家的任务与傅里叶当年差不多——弄清向地球发出的短波太阳辐射与地球向外发出的长波红外辐射之间的平衡关系。在接下来200年间，多名气候科学家纷纷贡献了更多的细节信息。当代气候模型更是为科学家提供了极为强大的工具，不仅帮助我们进一步理解了地球的气候，还让我们得以了解由人类导致的全球变暖。

这些模型都是建立在物理定律的基础上的，由天气预测模型发展而来。天气通过温度、降水、风或云等气象物理量描述，受海洋和陆地活动影响。气候模型则建立在通过计算得出的天气统计特征基础之上，如平均值、标准差、最高与最低值等等。这些模型虽无法准确告诉我们明年12月10日斯德哥尔摩的天气如何，但可以让我们对斯德哥尔摩在12月的气温和降水情况获得一定了解。

确定二氧化碳的作用

温室效应对地球上的生命至关重要。它控制温度，因为大气中的温室气体——二氧化碳、甲烷、水蒸气和其他气体——会首先吸收地球的红外辐射，然后释放该吸收的能量，加热周围和下方的空气。

温室气体实际上只占地球干燥大气的一小部分。地球的干燥大气中99%为氮气和氧气，二氧化碳其实仅占0.04%。最强大的温室气体是水蒸气，但我们无法控制大气中水蒸气的浓度，而二氧化碳的浓度则是可以控制的。

大气中的水蒸气含量高度依赖于温度，进而形成反馈机制。大气中的二氧化碳越多，温度越高，空气中的水蒸气含量也就越高，从而增加温室效应，导致温度进一步升高。如果二氧化碳含量水平下降，部分水蒸气会凝结，温度也随之下降。

关于二氧化碳影响的一块重要拼图来自瑞典的研究人员和诺贝尔奖获得者Svante Arrhenius。顺便提一下，他的同事、气象学家Nils Ekholm，在1901年，率先使用温室这个词来描述大气的热量储存和再辐射。

Arrhenius通过十九世纪末的温室效应弄清楚了该现象背后的物理学原理——向外辐射与辐射体的绝对温度（T）的四次方（T⁴）成正比。辐射源越热，射线的波长越短。太阳的表面温度为6000°C，主要发射可见光谱中的射线。地球表面温度仅为15°C，会再次辐射我们看不见的红外辐射。如果大气不吸收这种辐射，地表温度几乎不会超过–18°C。

Arrhenius实际上是想找出导致最近发现的冰河时代现象的背后原因。他得出的结论是，如果大气中的二氧化碳水平减半，这足以让地球进入一个新的冰河时代。反之亦然——二氧化碳量增加一倍，会使地球温度升高5-6°C，这个结果在某种程度上与目前的估计值惊人地接近。

开创性的二氧化碳效应模型

20世纪50年代，日本大气物理学家Syukuro Manabe和东京大学其他一些年轻而有才华的研究人员一样，选择离开被战争摧毁的日本，前往美国继续其职业生涯。他的研究目的和70年前的瑞典科学家斯万特·阿伦尼乌斯一样，都是为了理解二氧化碳水平的增加如何导致气温的上升。不过，彼时的阿伦尼乌斯专注于辐射平衡，Manabe则在20世纪60年代领导了相关物理模型的发展，将对流造成的气团垂直输送以及水蒸气的潜热纳入其中。

为了使这些计算易于进行，Manabe选择将模型缩减为一维，即一个垂直的圆柱体，进入大气层40公里。即便如此，通过改变大气中的气体浓度来测试模型还是花费了数百小时的宝贵计算时间。氧和氮对地表温度的影响可以忽略不计，而二氧化碳的影响非常明显：当二氧化碳水平翻倍时，全球温度上升超过2摄氏度。

该模型证实，这种升温确实是由二氧化碳浓度增加导致的；它预测了靠近地面的温度上升，而上层大气的温度变低。如果太阳辐射的变化是温度升高的原因，那么整个大气应该在同一时间被加热。

60年前，计算机的速度比现在慢了几十万倍，因此这个模型相对简单，但Manabe掌握了正确的关键特征。他指出，模型必须一直简化，你无法与自然界的复杂性竞争——每一滴雨都涉及到如此多的物理因素，因此不可能完全计算出一切。在一维模型的基础上，Manabe在1975年发表了一个三维气候模型，这是揭开气候系统奥秘道路上的又一个里程碑。

混乱的天气

在Manabe之后大约十年，Klaus Hasselmann通过找到一种方法来战胜快速而混乱的天气变化（这些变化对计算而言极其麻烦），成功地将天气和气候联系在一起。我们地球的天气发生巨大变化，是因为太阳辐射在地理上和时间上的分布十分地不均匀。地球是圆的，所以到达高纬度地区的太阳光比到达赤道附近低纬度地区的太阳光要少。不仅如此，地球的地轴也是倾斜的，从而在入射辐射中产生季节性差异。暖空气和冷空气之间的密度差异导致了不同纬度之间、海洋和陆地之间、高低气团之间的巨大热量传输，从而形成了我们地球上的天气。

众所周知，对未来十天以上的天气做出可靠的预测是一大挑战。二百年前，法国著名科学家皮埃尔-西蒙·德·拉普拉斯曾说，如果我们知道宇宙中所有粒子的位置和速度，就应该可以计算出在我们世界中发生了什么和将要发生的事情。原则上，应该是这样；牛顿三个世纪以来的运动定律（也描述了大气中的空气传输）是完全确定的——不受偶然的支配。

然而，就天气而言，就完全是另一回事了。部分原因在于，在实践中，我们不可能做到足够精确——说明大气中每个点的气温、压力、湿度或风况。此外，方程是非线性的；初始值的微小偏差可以让天气系统以完全不同的方式演变。基于蝴蝶在巴西扇动翅膀是否会在德克萨斯州引起龙卷风这个问题，这种现象被命名为蝴蝶效应。在实践中，这意味着不可能给出长期的天气预报，也就是说天气十分混乱；这是在上世纪六十年代由美国气象学家Edward Lorenz发现的，他为今天的混沌理论奠定了基础。

理解嘈杂数据

尽管天气是一个典型的混乱系统，但我们如何才能建立能够预测未来数十年、甚至数百年的可靠气候模型呢？1980年前后，Klaus Hasselmann提出了如何将不断变化的混沌天气现象描述为快速变化的噪音，从而为进行长期气候预测奠定了坚实的科学基础。此外，他还提出了一些确定人类对全球温度造成的影响的方法。

上世纪50年代，Klaus Hasselmann在德国汉堡攻读物理学博士，专攻流体力学，随后开始建立海浪和洋流的观测与理论模型。后来他迁居至美国加州，继续开展海洋学研究，并且认识了查尔斯·大卫·基林等同事。基林从1958年开始在夏威夷的莫纳罗亚天文台持续测量大气中的二氧化碳含量。Klaus Hasselmann当时还不知道，自己在日后的工作中会频繁用到体现二氧化碳水平变化的“基林曲线”。

从充满噪声的天气数据中建立气候模型就像遛狗一样：狗有时会挣脱牵引绳，有时会跑在你前面、或者跑在你后面，有时会与你并肩前行，有时则会绕着你的腿跑。你能从狗的运动轨迹中看出你是在走路还是站立不动吗？或者能看出你是在快步行走还是小步慢走吗？狗的运动轨迹就像天气变化，你的行进轨迹就像通过计算得出的气候。我们能否用这些混乱的、充满噪声的天气数据，总结出气候的长期趋势呢？

还有一大难点在于，影响气候的波动情况极易发生变化，这些变化可能很快，比如风的强度或空气温度；也可能很慢，比如冰盖融化和海洋温度升高。例如，海洋整体温度需一千年才能上升一度，但大气只需几周即可。关键在于，要将快速的天气变化作为噪声整合进对气候的计算中，并体现出这些噪声对气候的影响。

Klaus Hasselmann创造了一套随机气候模型，将这些变化的可能性都整合进了模型中。其灵感来自爱因斯坦的布朗运动理论。他利用该理论说明，大气的快速变化其实可以导致海洋的缓慢变化。

识别人类影响的痕迹

在完成气候变化模型之后，Hasselmann又开发了识别人类对气候系统影响的方法。他发现，这些模型，连同观测结果和理论结果，都包含了关于噪声和信号特性的充分信息。例如，太阳辐射、火山颗粒或温室气体水平的变化都会留下独特的信号，即“指纹”，而且这些信号可以被分离出来。这种识别指纹的方法也可以应用于人类对气候系统的影响。Hasselman因此为进一步的气候变化研究铺平了道路。通过大量的独立观测，这些研究展示了人类对气候影响的大量痕迹。

随着气候系统中复杂相互作用的过程被更彻底地绘制出来，尤其是有了卫星测量和天气观测的帮助，气候模型变得越来越完善。这些模型清楚地显示出温室效应正在加速：自19世纪中期以来，大气中的二氧化碳含量增加了40%。地球的大气已经有几十万年没有如此多的二氧化碳了。相应地，温度测量显示，在过去150年里，地球温度上升了1摄氏度。

Syukuro Manabe和Klaus Hasselmann为人类作出了巨大贡献，为我们了解地球气候提供了坚实的物质基础，这也正体现了阿尔弗雷德·诺贝尔的精神。我们不能再说自己对气候变化一无所知了，因为这些气候模型的结果是非常明确的。地球正在变暖吗？是的。地球变暖是大气中温室气体含量增加导致的吗？是的。这一切能仅仅用自然因素来解释吗？不能。人类活动所排放的气体是气温升高的原因吗？是的。

针对无序系统的方法

1980年左右，Giorgio Parisi展示了他的发现，即随机现象显然受隐藏规则支配。他的工作如今被认为是对复杂系统理论最重要的贡献之一。

复杂系统的现代研究基于十九世纪下半叶由James C。 Maxwell、Ludwig Boltzmann和J。 Willard Gibbs提出的统计力学，他们在1884年将这一领域命名为“统计力学”。统计力学从下面这一见解发展而来，即需要一种新的方法来描述由大量粒子组成的系统，例如气体或液体。这种方法必须考虑到粒子的随机运动，所以其基本思想是计算粒子的平均效应，而不是单独研究每个粒子。例如，气体中的温度是气体粒子能量平均值的量度。统计力学取得了巨大的成功，因为它为气体和液体的宏观特性（如温度和压力）提供了微观解释。

气体中的粒子可以被视为微小的球，随着温度的升高而增加移动的速度。当温度下降或压力增加时，小球首先凝结成液体，再凝结成固体。这种固体通常是晶体，其中的小球按规则排列。但是，如果这种变化发生得很快，小球可能会形成不规则的图案，即使液体进一步冷却或挤压在一起，该图案也不会改变。如果重复该实验，尽管变化以完全相同的方式发生，但小球仍将呈现出新的图案。为什么结果会不同呢？

理解物理系统的复杂性

这些压缩球体是普通玻璃和颗粒状材料（如沙子或砾石）的简单模型。然而，Parisi的原始模型的对象是另一个截然不同的系统——自旋玻璃。这是一种特殊的磁性金属合金亚稳定状态，其中某种金属原子，比如铁原子，会被随机混合到铜原子的网格中。即使只有几个铁原子，它们也会以一种令人费解的方式彻底改变材料的磁性。每个铁原子的行为——或者称为“自旋”——表现得就像一个小磁铁，受其附近其他铁原子的影响。在普通的磁体中，所有的自旋都指向同一方向，但在自旋玻璃中，情况就不一样了：一些自旋对会指向相同的方向，另一些则指向相反的方向——那么它们是如何找到最佳方向的呢？

Parisi在关于旋转玻璃的著作的序言中写道，研究旋转玻璃就像观看莎士比亚戏剧中的人类悲剧。如果你想同时和两个人交朋友，但他们互相讨厌对方，结果就可能令人沮丧。在经典悲剧中，感情强烈的朋友和敌人在舞台上相遇，情况就更是如此。那么，怎样才能把房间里的紧张气氛降到最低？

自旋玻璃及其奇异的性质为复杂系统提供了参考模型。20世纪70年代，许多物理学家，包括几位诺贝尔奖得主，都在寻找某种方法来描述这种神秘而令人沮丧的旋转玻璃。他们使用的方法之一是“副本方法”，是一种研究无序态体系时所用的数学技巧，可以在同一时间内处理系统的许多副本。然而，从物理学的角度来说，最初的计算结果并不可行。

1979年，Parisi取得了决定性的突破，他展示了如何巧妙地利用副本方法来解决自旋玻璃问题。他在这些副本中发现了一个隐藏的结构，并找到了一种描述它的数学方法。在很多年之后，Parisi的解才在数学上被证明是正确的。此后，他的方法被用于许多无序系统，成为复杂系统理论的基石。

受挫当一个自旋向上而另一个自旋向下时，第三个自旋则不能同时满足前两个，因为相邻的自旋要指向不同的方向。自旋如何找到最佳方向？Giorgio Parisi是回答关于许多不同材料和现象的这些问题的大师。

　　受挫 当一个自旋向上而另一个自旋向下时，第三个自旋则不能同时满足前两个，因为相邻的自旋要指向不同的方向。自旋如何找到最佳方向？Giorgio Parisi是回答关于许多不同材料和现象的这些问题的大师。

自旋玻璃自旋玻璃这是一种特殊的磁性金属合金亚稳定状态，其中某种金属原子，比如铁原子，会被随机混合到铜原子的网格中。每个铁原子的行为——或者称为“自旋”——表现得就像一个小磁铁，受其附近其他铁原子的影响。然而，在自旋玻璃中，它们的自旋会受挫，很难选择指向哪个方向。通过对自旋玻璃的研究，Parisi发展了一种关于无序和随机现象的理论，并涵盖了其他许多复杂系统。图中红点为铁原子，绿点为铜原子。

自旋玻璃 自旋玻璃这是一种特殊的磁性金属合金亚稳定状态，其中某种金属原子，比如铁原子，会被随机混合到铜原子的网格中。每个铁原子的行为——或者称为“自旋”——表现得就像一个小磁铁，受其附近其他铁原子的影响。然而，在自旋玻璃中，它们的自旋会受挫，很难选择指向哪个方向。通过对自旋玻璃的研究，Parisi发展了一种关于无序和随机现象的理论，并涵盖了其他许多复杂系统。 图中红点为铁原子，绿点为铜原子。

不同的受挫结果

自旋玻璃和颗粒物都是受挫系统的典型例子。在这些系统中，各组成部分的排列方式必须是各种反作用力之间相互制衡的产物。问题在于，这些系统会表现出什么行为？会产生什么结果？针对多种材料和现象，Parisi都能很好地回答这两个问题。他对自旋玻璃结构的理解非常深刻，不仅影响了物理学，还对数学、生物学、神经科学和机器学习等领域造成了影响，因为这些领域都包含与受挫现象直接相关的问题。

Parisi还研究了其它许多随机过程对结构形成与发展过程起到决定性作用的现象，并且试图解答以下问题：为何冰河时代会周期性出现？对混沌与紊乱系统是否存在更具普适性的数学描述？大规模椋鸟群又是如何形成各种图案的？这些问题看似与自旋玻璃毫无关系，但Parisi表示，他的大部分研究针对的都是简单行为如何导致复杂的集体行为，这对自旋玻璃和椋鸟群均适用。