|
|
关注风云之声
提升思维层次
导读
三位获奖者因对复杂系统的研究而分享了今年的诺贝尔物理学奖。
据诺贝尔奖官网消息，2021年诺贝尔物理学奖将一半颁给了
真锅淑郎（Syukuro Manabe）
克劳斯·哈塞尔曼（Klaus Hasselmann）
表彰他们“地球气候的物理建模，量化可变性并可靠地预测全球变暖”。
另一半颁给了
乔治·帕里西 （Giorgio Parisi）
表彰他“发现了从原子到行星尺度的物理系统中无序和波动的相互作用”。
他们发现了气象以及其他复杂系统中潜伏的奥秘
三位获奖者因对复杂系统的研究而分享了今年的诺贝尔物理学奖。真锅淑郎（Syukuro Manabe）和克劳斯·哈塞尔曼（Klaus Hasselmann）为我们了解地球气候以及人类如何影响地球气候奠基了基础。乔治·帕里西（Giorgio Parisi） 因其对无序和随机现象理论的革命性贡献而获奖。
所有复杂系统都由许多不同的相互作用部分组成。几个世纪以来，物理学家一直在研究它们，这些很难用数学方法来描述——它们可能被大量的因素影响或者受随机因素的支配。它们也可能是混沌的，比如天气，初始值的微小毛病将会导致随后的巨大差异。今年的获奖者为我们研究这类系统以及它们的长远应用发展做出了贡献。
地球的气候是复杂系统的众多例子之一。真锅淑郎和哈塞尔曼因其在开发气候模型方面的开创性工作而获得诺贝尔奖。帕里西则是因其对复杂系统理论中大量问题提出了理论解决方案而获奖。
真锅淑郎研究了大气中二氧化碳浓度的增加如何导致地球表面温度升高。在 1960 年代，他领导开发了地球气候相关的物理模型，并且是第一个探索辐射平衡与气团垂直输送之间相互作用的人。他的工作为气候模型的发展奠基了基础。
约莫十年后，克劳斯·哈塞尔曼创建了一个将天气与气候联系起来的模型，从而回答了"在天气是多变与混沌的环境下，气候模型为什么仍旧可靠?"的问题。他还发展了用于识别自然现象和人类活动影响气候的特异性信号、指纹的方法。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所造成的。
1980年左右，乔治·帕里西在无序的复杂材料中发现了潜伏的模式。他的发现是复杂系统理论最重要的贡献之一，使得理解和描述许多不同的、表面上完全随机的复杂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。
温室效应对生命至关重要
两百年前，法国物理学家约瑟夫·傅里叶 (Joseph Fourier)研究了太阳对地面的辐射和从地面发出的辐射之间的能量平衡。他解释了大气在这种平衡中的作用：在地球表面，传入的太阳辐射被转化为外向辐射——"暗热"——被大气吸收，从而加热它。大气的保护作用现在被称为温室效应。取这个名字是因为它与温室中的玻璃窗格十分相似，这些玻璃窗格允许太阳加热光线的通过，但将热量保存在里面。相比之下，大气中的辐射过程要复杂得多。
这项任务与傅里叶承担的任务相同——调查向地球辐射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。在接下来的两个世纪里，许多气候科学家增添了相关细节。当代气候模型是极其强大的工具，不仅是为了理解气候，也是为了理解人类对全球变暖的影响。
这些模型基于物理定律，并且是从用于天气预测的模型上发展而来的。天气由温度、降水、风或云等气象量描述，并且受到海洋和陆地上发生环境的影响。气候模型通常是基于天气的计算统计属性，比如一些参量的平均值、标准毛病、最高值和最低测量值等。他们不能告诉我们明年12月10日斯德哥尔摩的天气，但我们可以了解12月斯德哥尔摩的平均气温或降雨量。
确定二氧化碳的作用
温室效应对地球上的生命至关重要。温室效应控制了地球的温度，因为那些温室气体，例如二氧化碳、甲烷、水蒸气等，首先吸收红外辐射，然后通过释放这些能量来加热大气与地面。
温室气体实际上仅仅占据干燥氛围的很少一部分，氛围的主要成分是氮气与氧气，它们加起来占据了99%的体积。而二氧化碳仅仅占据0.04%。温室效应最强的气体是水蒸气，但是我们并不能控制大气中的水蒸气的浓度，然而我们可以控制氛围中的二氧化碳浓度。
大气中的水蒸气含量高度依赖于温度，这就产生了一种正反馈机制。更多的二氧化碳会使得大气温度变得更高，这会引起大气中的水蒸气含量增加，进而会强化温室效应，使得大气温度更高。相反地，如果二氧化碳的含量淘汰，一些水蒸气会凝结，大气温度也会降低。
关于二氧化碳对气候的影响的第一个重要研究成果来自瑞典研究员诺贝尔奖获得者斯万特·阿伦尼乌斯（Svante Arrhenius）。另外，在1901年他的同事气象学家尼尔斯·古斯塔夫·埃科赫姆（Nils Ekholm）第一次使用温室效应这个词来描述大气吸热与逆辐射过程。
在19世纪末阿伦尼乌斯了解了造成温室效应的物理原理——绝对黑体在单元面积的辐射功率与黑体的绝对温度的四次方成正比。辐射源的温度越高，热辐射的波长越短。太阳表面的温度约莫是6000°C，辐射能量主要集中在光谱的可见光波段。地球的表面温度约莫是15°C，逆辐射发出的红外辐射我们是看不到的。如果大气层不吸收这种辐射，地表的温度几乎不会超过–18°C。
事实上，阿伦尼乌斯在尝试寻找是什么导致了最近发现的冰河世纪现象。他最终得到的结论是，如果大气中的二氧化碳浓度减半，则将足以使地球进入下一个冰河世纪。且反之亦然——若二氧化碳浓度加倍则将导致温度上升5-6℃，巧合的是，该结果在某种程度上同当前的预测惊人的相似。
关于二氧化碳影响的开创性模型
上世纪50年代，一些年轻有为的科学家离开了被战争破坏的东京，飘洋过海到美国继续他们的学术生涯，大气物理学家真锅淑郎便是其中之一。像阿伦尼乌斯在大概七十年前一样，真锅淑郎的研究目标之一便是理解二氧化碳浓度的提升如何导致温度的上升。然而，当阿伦尼乌斯将重点聚焦于辐射平衡时，在上世纪60年代，真锅淑郎主导的工作着重在发展大气物理模型，模型包括对流导致的气团垂直输运，以及水蒸汽的潜热。
为了使这些计算可处理，他选择将上述模型化简至一维——一个深入大气层40km的垂直列。即便如此，通过改变大气中气体含量进行的模型测试仍然花费数百小时的宝贵的计算时间。氧气与氮气对表面温度的影响忽略不计，二氧化碳则影响显著：当二氧化碳浓度加倍，全球温度将上升至少2℃。
真锅淑郎的气候模型
该模型证实，二氧化碳的增加确实会导致温度增加，模型预测：随着靠近地面，温度会升高，而远离地面，即在高层的大气层温度则会将降低。如果是由于太阳辐射导致的温度升高，那么整个大气层都应该同时被加热。
在六十年前，电脑的计算速度仅为现在的几十万分之一，因此该模型相对较为简单，但真锅淑郎正确地掌握了问题的关键。“化简是必然的”，他说。自然的复杂性无从抗争——每滴落下的雨中都包含了太多的物理问题，计算出所有东西是不可能的。对一维模型的理解促使了三维气候模型的产生，该项工作真锅淑郎发表于1975年；在这一年，揭开气候秘密的道路上出现了另一个里程碑。
天气是混沌的
在真锅淑郎研究的十年后，哈塞尔曼连续了他的工作，试图寻找一种方法来解决会对计算造成很大问题的快速而混沌的天气变化。地球有着剧烈的天气变化的原因是，太阳辐射的时间分布和地理意义上的空间分布都非常地不均匀。地球是圆的，所以高纬度地区相比于接近赤道的低纬度地区会受到更少的太阳辐射。不仅如此，因为地球的自转轴是倾斜的，所以入射辐射的分布会产生季节性的变化。在不同的纬度间、陆地与海洋间、不同高度的氛围层间，因为受辐射量不同产生的温度不同的氛围的密度差便导致了规模巨大的热通报形式，而这种热通报会驱使地球上的天气形成。
我们知道，可靠地预测比未来十天更久的天气是很有挑战的。约莫两百年之前，著名的法国科学家拉普拉斯(Pierre-Simon de Laplace)认为如果我们知道宇宙中所有粒子某一时刻的位置和速度，那么以此计算我们的世界过去发生了什么以及未来会发生什么就是存在可能的。理论上来说这应该是没错的，因为牛顿流传了三个世纪的运动定律是可以描述大气层中的氛围运动的，而牛顿定律是完全的决定论——它们不受可能性影响。
但是当我们将理论应用于天气时，他们真是不能更糟了。这一部分的原因是，在实际中我们不可能足够精确地测量这些物理量——大气中每一处的氛围温度、压强、湿度以及风力分布。并且，这些方程是非线性的，意味着初始数值的微小变化也能使一个天气系统进行完全不同的演化。根据著名的在巴西扇动翅膀的蝴蝶能否导致德克萨斯州的龙卷风这一问题，这类现象被命名为蝴蝶效应。实际上，这意味着我们不可能进行长期的天气预测——因为天气是混沌的。美国的气象学家洛伦茨(Edward Norton Lorenz)在上个世纪六十年代发现了这一现象。洛伦茨也创建了如今的混沌理论。
读懂噪声数据
天气是一个经典的混沌系统，即便如此，我们该如何创建能够可靠预测未来几十年甚至几百年的天气的模型呢？在1980年左右，哈塞尔曼(Klaus Hasselmann)展示了如何可以用快速变化的噪声来描述混沌变化的天气现象，并给长期的天气预测提供一个坚实的科学基础。不仅如此，他还发展了一套从观测全球天气来判断人类对其影响的方法。
20世纪50年代，作为德国汉堡的一名年轻的物理学博士生，哈塞尔曼主要的工作集中于流体力学，然后开始发展海浪和洋流的观测和理论模型。之后他搬到加利福尼亚，继续从事海洋学研究，在加利福尼亚他遇见了查尔斯·大卫·基林（Charles David Keeling）等同事。哈塞尔曼一家还与他一起创办了一个宗教合唱团。在此之前，也就是1958年，基林在夏威夷茂纳罗亚太阳天文台开始了现在最长的一系列大气二氧化碳测量工作，他也因此而著名。然而此时，哈塞尔曼并不知道，在他后来的工作中，他会经常使用显示二氧化碳变化水平的基林曲线。
我们可以通过遛狗这一日常举动来描述如何从嘈杂的天气数据中获取气候模型：狗前后左右的绕着主人的腿跑。那么如何利用狗的足迹来判断主人是在走路还是站着不动？或者主人走得快还是慢？狗的足迹相当于天气的变化，而人的行走轨迹就相当于是经过计算的气候。那么我们可以利用混沌和嘈杂的天气数据得出气候长期趋势的结论吗？
另一个困难之处是，影响气候扰动能随时间变化极大——它们可能很急促，如风力或气温，也可能很慢，如冰盖融化和海洋变暖。例如，海洋均匀地加热一度必要一千年，而大气层只需几周。决定性的诀窍是将天气的快速变化作为噪声纳入计算中，并展示这种噪声如何影响气候。
哈塞尔曼创建了一个随机气候模型，这意味着模型中包含了随机性。他的灵感来自阿尔伯特·爱因斯坦的布朗运动理论，也称为随机行走。利用这一理论，哈塞尔曼证明了快速变化的大气实际上可以导致海洋的迟钝变化。
辨别人类影响的痕迹
在创建了气候变化模型之后，哈塞尔曼就发展了识别人类对气候系统影响的方法。他发现，这些模型，连同观测和理论上的考虑，包含了有关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会留下独特的信号，这些信号可以被分离出来，就像指纹。这种识别指纹的方法也可以应用于研究人类对气候系统的影响。哈塞尔曼因此为进一步研究气候变化扫清了道路，即利用大量独立观测结果找到了了人类对气候影响的痕迹。
通过卫星测量和天气观测以及其他方式，我们可以更深入地绘制天气更复杂的相互作用，而这使我们的天气模型变得更加精细。这些新的天气模型很明显地展示出了一个加速的温室效应：从19世纪中叶至今，大气中的二氧化碳浓度增加了40%。地球大气在几十万年里都没有过如此多的二氧化碳含量。相对的，温度的测量体现了在过去的150年里地球的温度上升了1°C。
真锅淑郎和克劳斯·哈塞尔曼以艾尔弗雷德诺贝尔的精神为人类做出了伟大的贡献，为我们了解地球的气候提供了坚实的物理基础。我们不能再说我们不知道——因为气候模型是明确的。地球正在升温吗？是的。升温的原因是大气中温室气体含量的增加吗？是的。这能仅仅用自然因向来解释吗？不能。人类的排放是气温升高的原因吗？是的。
识别气候中的指纹特性
无序系统的方法
1980年左右，乔治·帕里西（Giorgio Parisi）呈现了他关于随机现象是如何显然地受潜伏规则支配的发现。他的工作现在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植根于下19世纪下半叶发展起来的统计力学。詹姆斯·C·麦克斯韦、路德维希·波尔兹曼和J·威拉德·吉布斯于1884年为这片领域命名。统计力学是从这样一种洞察演变而来的：对于描述由大量粒子组成的系统（如气体或液体），一种新的研究方法是必要的。该方法必须考虑粒子的随机运动，因此基本头脑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度量。统计力学是一个巨大的成功，因为它为气体和液体的宏观性子提供了微观解释，如温度和压力。
气体中的粒子可以被视为小球，其飞行速度随温度的升高而增加。当温度下降或压力升高时，小球首先凝结成液体，然后凝结成固体。这种固体通常是一种晶体，球在晶体中以规则的模式排列。然而，如果这种变化发生得很快，球可能会形成一种不规则的图案，即使液体进一步冷却或挤压在一起图案也不会改变。如果重复实验，球将呈现新的图案，尽管变化以完全相同的方式发生。那么为什么结果不同呢？
复杂无序系统的数学
复杂性的理解
这些小球可以看做一般的玻璃和颗粒材料（如沙子或者砾石）的简化模型。然而，帕里西最初研究的是一种不同的系统——自旋玻璃，这是一种特殊的金属合金，例如，在铜原子中随机混合铁原子，虽然只有少量的铁原子，但是它们以一种极端而又令人费解的方式改变了材料的磁性。铁原子就像一个小磁针或者自旋，被其附近的铁原子影响。一般的磁体中，所有的自旋都指向同一个方向，但在自旋玻璃中这些是阻挫的。一些自旋配对偏向于指向于同一方向，而另一些自旋偏向于指向相反的方向，所以如何找到它们最优的排列呢？
在帕里西关于自旋玻璃的书的介绍中，他写道：研究自旋玻璃就像看莎士比亚的四大悲剧。如果你想跟两个人同时做朋友，但是这两个朋友之间互相敌视，这会让人沮丧。这类的场景在古典悲剧中更是突出，如果感情最要好的朋友和敌人在同一个舞台上相遇，怎样才能把房间的紧张氛围降到最低？
阻挫：当一个自旋向上，另一个向下时，由于相邻的自旋趋向于指向不同的方向，所以第三个自旋不能同时满足它们。自旋是如何找到一个最佳方向的？乔治·帕里西善于分析在不同材料和现象中的这个问题。
自旋玻璃及其奇特的性子为研究复杂系统提供了一个模型。20世纪70年代，包括很多诺贝尔物理学奖获得者在内的很多物理学家，都在寻找一种方法来描述这类神秘而令人沮丧的自旋玻璃。他们使用的一种方法是副本方法（replica trick），这是一种同时处理系统的多个副本的数学技术。然而，在物理学方面，最初的计算结果是不可信的。
1979年，帕里西在演示如何使用副本方法解决自旋玻璃问题时，取得了决定性的突破。他发现这些副本背后有潜伏的结构，同时找到了用数学描述该结构的方法。为了从数学上证明该方法是对的，帕里西花了很多年。自此，帕里西的方法便被用于无序系统，成为复杂系统理论的基石。
自旋玻璃
百花齐放的阻挫举动
自旋玻璃和颗粒材料都是阻挫系统的典例。在阻挫系统中，各部分均处于相互抗拒、相互阻挠的排列方式。阻挫系统的困难在于，系统的表现的举动和结果将会如何？帕里西便是回答这个问题的大师，无论对于什么材料或现象。他对自旋玻璃本质的发现如此深入，以至于这个理论不仅影响了物理学界，同时影响了数学、生物学、神经科学甚至机器学习，这是由于这些领域研究的问题均与阻挫举动有关。
帕里西还研究了许多其他现象，在这些现象中，随机的过程在结构的创建和发展过程中起着决定性作用，并解决了以下问题：冰河时代为什么会周期性的重复出现？是否有更一般的关于混沌和湍流系统的数学描述？以及，成千上万只椋鸟的喃喃声中究竟有怎样的规律？这些问题似乎与自旋玻璃相去甚远， 然而，帕里西说过，他的大部分研究都涉及简单的举动如何产生复杂的集体举动，这对于自旋玻璃和椋鸟而言同样适用。
翻译：诺奖小分队
原文：https://www.nobelprize.org |
|
/1 
