2021 年诺贝尔物理学奖授予气候变暖等复杂物理系统的研究，这些成果有着怎样的意义？ 第1页

2021 年诺贝尔物理学奖因「复杂物理系统」而共同授予美国日裔气象学家真锅淑郎（Syukuro Manabe）、德国气象学家克劳斯·哈塞尔曼（Klaus Hasselmann）和意大利物理学家乔治·帕里西（Giorgio Parisi）。

具体而言，真锅淑郎（Syukuro Manabe）和克劳斯·哈塞尔曼（Klaus Hasselmann）因「建立地球气候的物理模型，量化其可变性并可靠地预测全球变暖」而获奖，乔治·帕里西（Giorgio Parisi）因「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」而获奖。

复杂系统有着随机和无序的特点，令人难以参透。今年的奖项肯定了描述它们和预测其长期行为的新方法。三位获奖者因其对混乱和明显的随机现象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）奠定了我们对地球气候以及人类如何影响地球气候的知识基础。乔治·帕里西（Giorgio Parisi）因其对无序材料和随机过程理论的革命性贡献而受到奖励。

地球的气候是对人类至关重要的复杂系统。真锅淑郎证明了大气中二氧化碳水平的增加会如何导致地球表面温度的上升，他的工作为当前气候模型的建立奠定了基础。在 20 世纪 60 年代，他领导了地球气候的物理模型的建立，并且是第一个探索辐射平衡和气团的垂直输送之间相互作用的人。

大约十年后，克劳斯·哈塞尔曼创建了一个将天气和气候联系在一起的模型，从而回答了为什么气候模型在天气多变和混乱的情况下仍能可靠的问题。他还开发了识别自然现象和人类活动在气候中留下的特定信号、指纹的方法。他的方法可以证明，大气温度升高是由于人类排放的二氧化碳所致。

1980 年左右，乔治·帕里西发现了无序复杂材料中的隐藏模式，他的发现是对复杂系统理论的最重要贡献之一。它们使得理解和描述许多不同的、明显完全随机的材料和现象成为可能，不仅是在物理学上，而且也应用在其他各种不同的领域，例如数学、生物学、神经科学和机器学习。

「今年得到认可的发现表明，我们关于气候的知识建立在坚实的科学基础上，基于对观察结果的严格分析。今年的获奖者都为我们更深入地了解复杂物理系统的特性和演化做出了贡献。」诺贝尔物理学委员会主席托尔斯·汉森（Thors Hans Hansson）表示。

（来源：诺贝尔奖官方新闻稿）

前面已经有答主从物理学、混沌性、复杂系统等角度出发，总结了今年诺贝尔物理奖三位获奖人的贡献，也有人从全球变暖的角度分析了今年奖项的现实意义。我的工作之一是气候模型和气候代理数据对比，对三位获奖者之一的克劳斯·哈塞尔曼的早期工作有粗浅的了解，所以我从气候模型发展史的角度，很浅显地介绍一下哈塞尔曼的学术成果的意义。

太长不看版：哈塞尔曼对气候模型做出的贡献主要是他在1976-77年提出的气候随机变化模型（stochastic model of climate variability），这个模型打穿了早期气候概念模型中遇到的时间和空间壁垒。

气候模型的本质

现代数值气候模型的本质是：在地球表面的三维立体网格上，求解一系列描述各种物理性质的数学方程，从而分析物理性质的分布和变化，预测大气条件乃至气象和气候规律。早期的网格一般都只代表大气圈，后来的一些模型发展到了海洋和陆地等地球系统的其他部分。模型背后的超级计算机会在模型的时间轴上向前推演这些方程在网格里的解析方案，从而计算出空气、热量和水汽等在网格间传递、围绕地球循环、影响地球气候的方式。

最早的全球气候模型可以追溯到1735年，当时英国的乔治·哈德利对全球的信风进行了归纳总结，提出了全球环流的早期理想模型，可以视作气候模型的鼻祖。现在地球的三圈环流中的低纬度环流还被称作哈德利环流。到了20世纪中期，基于气象雷达的计算机化区域大气模型已经出现。在60年代，早期的专业气候建模课题组也已经成立，其中包括总部位于美国科罗拉多州的国家大气科学研究所（NCAR）下辖的气候模型组，以及今年另一位获奖人真锅淑郎的一些课题。这样的模型就是利用一组数学方程及其中的物理变量，来描述全球的动态大气现象，然后利用计算机来进行“暴力求解”，即使后来的模型所考虑的参数、变量以及反馈过程越来越多，背后总体的核心思想还是一样的。

概念模型中的时空尺度问题

前面的答主已经介绍了非线性动态系统和混沌理论：起始状态的差异会随着时间的推移发展出不同的轨迹。那么它和大气模型有什么具体的关系呢？

在早期的模型中，存在着比较大的时空壁垒，不能很好地兼顾不同观测尺度下的物理状况。当我们讨论包括气候问题在内的地球科学问题的时候，总是离不开对时间和空间尺度的考虑。而我们知道，一般语境下，“气候”指的是气温、降水、风向等在长时间、大范围尺度下的规律，而相对来说，“天气”或者“气象”一般是指较小的时空尺度下的事件，具有更高的随机性（也就是别的一些答案里提到的“噪音”）。早期的大气模型如果专注于宏观尺度的气候，则无法捕捉到微观或局部尺度上的变化，最终导致模型失真；而如果着眼于微观的气象尺度，则会对宏观上的气候状况失去控制。

时空壁垒还不止于此。有的时候，影响气候变化的因素既有大尺度的宏观因素（比如米兰科维奇旋回），也有小尺度的一些局部突发事件所产生的连锁反应（比如8.2-ka事件）；同样地，气候变化的结果在展现的方式上，也有时间和空间尺度的差异。比如，冰盖的生长和融化、洋流循环的改变、甚至因它们引起的其他地质变化（比如大陆的静力平衡和火山活动等）都是很缓慢地发生的，时间尺度往往在千年以上；而极端天气的产生、植被的变化（比如森林大火）、水文的变化（比如洪水）等，发生的速率就要快得多，甚至可以用天、周和月来计算。在全球气候这个复杂的、动态的系统下，不同时空尺度的事件作为大气条件变化的因和果，同时混杂在一起，让简单的早期模型难以得出令人满意的结论。

举个不太恰当但是比较通俗的例子，足球队下周要参加比赛，教练提前一周进行针对性训练，球探加班加点找到对方的弱点，理疗师竭尽全力让伤员提前复出，这些长达一个星期的努力有没有可能改变比赛结果？有可能。到了赛场上，比赛最后一秒种，前锋突然灵光乍现，一脚蝎子摆尾直挂球门死角，有没有可能改变比赛结果？也有可能。那么，到底是前期漫长的准备工作（宏观因素）更重要呢，还是这一秒钟的神来之笔（混沌/突发事件）更重要呢？它们之间的关联有多大呢？恐怕很难说。地球系统的复杂程度甚至要远高于足球比赛，如果不能找到一个有效地方法来统筹宏观和微观的因素，那么气候模型在不同的时空尺度上就无法统一起来，最后恐怕就难以服众。

这就体现出哈塞尔曼工作的重要性了。他的随机模型在很大程度上修补了这种时空尺度导致的问题。这个模型把长期的气候变化看作是短期天气（具有混沌性）的扰动效果产生的随机叠加。这样的模型能取得不俗的成果，主要是因为它采取了一些新的思路，比如把宏观视角转化为微观视角，把统计学方法转化为物理学方法，把正反馈机制转化为负反馈机制。

统计模型的缺陷

在哈塞尔曼之前，大气的模型其实是概念模型，或者说是经验模型，它们主要是基于统计学的，换句话说是从宏观趋势的角度切入。建模的科学家把气温、降水、风向等等要素在一定的时空范围内取平均值，然后再用这些平均值作为参数和变量，来描述和分析大气的种物理性质的变化模式。可是这样的大气模型是一个比较稳定的、保守的系统，因为它被统计学磨平了棱角，多数极端情况都被平均掉了。也就是说，本来混沌的大气动态，在被统计学手段过滤一次之后，变得不混沌了，这便脱离了真实的状况。这样的模型可以用来解释当前的一些宏观气候现象，但是抛弃了地球系统、尤其是气象事件的混沌性，所以在用来分析一些具体的局部随机事件或特殊现象时，会遇到一些困难。

再拿足球举个例子，如果巴西和中国踢一场足球比赛，我们能根据历史数据和球员身价这些宏观数据，预测到巴西会赢，这就是宏观趋势；但我们很难预测到比赛第10分25秒的时候是谁在带球，这就是局部事件；而如果中国队爆冷赢球，从历史数据和球员身价也无法对这种特殊情况做出解释，也就是说，宏观趋势里无法包含可能存在的极端状况。

除了和局部随机事件脱节之外，对于更长期的气候变化，经验模型也有局限性。经验模型具有保守性，需要添加一个来自系统外的刺激，和系统内部的某些参数或过程形成正反馈，让其波动幅度变大，才会让模型整体脱离稳定的状态，从而模拟气候变化。通俗地说就是，经验模型很“懒”，需要有外界的刺激来忽悠一下，才会出来走两步。

在70年代，有不少的科学家通过引入地球轨道旋回、太阳活动、大规模火山喷发等因素，作为这个外力，也确实做出了一些预测。可是，人为添加的外力刺激毕竟是理想情况下的，就像真空中的球形鸡，或者中学物理题里忽略摩擦力的滑块，无论怎样设计，都会对模型中的气候系统引入一些“额外”的过于理想的因素，从而降低模型的实用度。尤其是，这样的模型预测出的气候变化，就像大明湖上的蛤蟆，一戳一蹦跶，缺乏连续性，而我们都知道，气候变化再剧烈，也应该是一个连续的过程，因此这种基于统计学的模型受到了不少的批评。此外，当时也有科学家质疑说，难道气候变化完全是外因吗？气候系统内部就不会自发地发生变化吗？

哈塞尔曼的改良

鉴于此，哈塞尔曼在他的随机模型里提出了从微观角度入手的新理念。在这个模型里，地球系统的不同组成部分被拆为两组，一组是海洋、极地冰盖和生物圈，它们属于反应迟钝类型的，变化比较慢；另一组就是大气圈这种敏感活跃型的，呼啦啦一场冰雹，呼啦啦一场龙卷风，可以发生“气象”尺度的迅速变化（“噪音”比较大）。

哈塞尔曼的总体思路是，敏感活跃的大气圈会因为自身内部的各种随机事件的叠加，而自动地慢慢发生变化，因为系统为了平衡不断出现的来自内部的随机波动，会形成各种负反馈，从而在长期上让迫使自身改变；而这样的变化会作为刺激因素，施加到反应迟缓的海洋、冰盖和生物圈，迫使它们也随之变化。相当于说，以前模型里需要的那个“外力”被整合到了模型内部，正反馈的思路也改成了负反馈。

哈塞尔曼参考了布朗运动，把地球系统中的大气圈设计成了一个随机模型，他用随机微分方程来描述模型，这就和之前使用常微分方程的模型有了很大的区别：随机微分方程不像常微分方程那样有唯一解，而是每次积分都可能有不同的实现方式，它描述的随机短期小尺度天气特征不再会被平均掉，而会对整个大气系统产生影响，从系统内部对气候模型产生随机方向上的刺激和扰动。同样再拿中国队和巴西队举例子，如果我们是从这场比赛每个球员的竞技状态和战术配合入手分析比赛，那一旦发生中国队爆冷赢球这样的极端事件，我们就能在细节上做出相对合理的解释，比如是因为中国队采用了10-0-0战术，还是因为巴西队守门员睡着了等等。

随机事件形成的各种反馈，会在更大的时空尺度上起作用，要么推动大气圈发生进一步的改变，要么被迟缓组进行吸收和整合，这相当于是通过大气圈给迟缓组的海洋、冰盖和生物圈等施加外来的刺激，驱动迟缓组进行缓慢的改变。于是，这样的气候模型就能从内部自发地进行迁移，通过这些短期扰动的叠加，模拟出长期大范围的大气圈变化趋势，进而带动海洋、冰盖、生物圈等在更长时间和空间尺度上的变化。

亚网格尺度的参数化

哈塞尔曼的随机方法改进气候模型的方式还包括亚网格尺度过程的参数化。什么是亚网格尺度呢？前面说过，在大气科学建模里，地球的模型通常是网格状划分的，网格的大小代表了该模型在空间尺度上的分辨率。比如IPCC气候报告所参考的CCSM气候模型，它目前的标准网格大小是陆地网格边长2度，海洋网格边长1度。时间轴上也有尺度，不同的模型单位不一，有的高精度模型可能以天为单位，有的时间分辨率粗糙一点的模型可能以月或年为单位，一些古气候模型根据不同的需求，可能以千年、万年甚至十万年为时间尺度。可是无论你的网格分辨率有多高，总有一些局部的大气活动，在空间或时间上，是小于网格的尺度的，因此无法被网格模型监测到，以前经常被忽略，这样的大气活动尺度就叫亚网格尺度，典型的包括局部发生的湍流（时间尺度甚至可能以秒记）、对流、水的蒸发和凝结（包括云层的性质）等。

忽略这些局部、短时间的随机事件，在某些特殊的情况下有可能会毁掉整个模型，比如气候模型圈内有一件著名的事：美国某顶流名校的一个科研组改进了一个当时很流行的气候模型，引入了一些新的物理参数以及不同子系统之间的交互模式，本以为会得到比以前更靠谱的结果，哪想到模型跑着跑着，他们发现大西洋上有两个格子的水温一路飙升，形成了两个沸腾的大洞，周围格子的水不断地灌进去然后继续蒸发，然后模型就崩了。这件事也留下了一个梗：All models are wrong, and some are very wrong（修改自统计学家乔治·博克斯的名句：All models are wrong, but some are useful）。后来复盘的时候，他们发现，模型出错是因为他们忽略了一些亚网格的对流过程，导致新引入的参数无法被模型原有的架构所消化，在多米诺效应下让整个北半球的热量都集中到了那两个网格里，才造就了这样的名场面。

随机模型的理念在一定程度上缓解了这个问题。比如一个热带地区的网格内，可能会出现短暂的强对流。这种对流是亚网格尺度的随机事件，很难被常规的模型量化。现在，建模的人可以通过随机叠加的模型，让亚网格的对流效果累积汇总起来，和模型整体的解析结果达成一个平衡点，形成一个能用网格尺度来表达的总体公式（bulk formula），从而将对流相关的过程进行参数化。这样一来，热带地区大气活动的更多细节就被纳入到了气候和气象模型里，提升模型在这一区域的稳健性。

总之，哈塞尔曼在气候模型本身领域的最大贡献，就是提出了新的模型，解释了随机气象产生的“噪音”是如何导致长期气候变化的，从而缓解了早期气候模型遇到的尺度差异问题。这种模型最大的好处就是不需要人为地添加外力，来驱使气候变化，而是能通过利用地球系统自身内部的随机性，让其自身产生变化，这样就能确认出自然条件到底能在多大程度上改变气候。而一旦这一点被确定，就能把整个气候系统中的自然因素和人为因素剥离开来，既能更好地模拟自然状况下的气候变化规律，也能更好地找到人类活动对气候变化的影响程度（即哈塞尔曼在他后来的课题中提到的“人类指纹”）。

非常让人激动的是，本次诺贝尔物理学奖颁给了统计物理和复杂系统领域的研究者。不过这次诺贝尔物理学奖带给大家更多的是震惊，尽管常常会有诺贝尔奖物理学奖颁发给两个不同的研究领域的情况， 但2021年这种奇特的组合方式还是让人感觉非常意外了。

本次诺贝尔物理学奖的获奖者，真锅淑郎（Syukuro Manabe）、Klaus Hasselmann 和 Giorgio Parisi 是因为他们“对我们理解复杂系统做出的突破性贡献”而获奖，而他们所关注的领域却非常不同。其中Manabe和Hasselmann建立了描述气候变化的物理模型，因为预测了全球气候变暖而获奖而分享了此次诺贝尔物理学奖的一半，诺贝尔奖委员会给他们的颁奖词为“建立地球气候的物理模型，量化其变化并可靠地预测了全球变暖”。意大利理论物理学家Parisi则获得了此次诺贝尔奖的另一半，他是统计物理和复杂系统领域的知名学者，他在量子场论、自旋玻璃、非平衡统计物理等领域都有突出的贡献，他的颁奖词为“发现了从原子到行星尺度的物理系统中无序和涨落的互动关系”。

下面简单地介绍一下这几位科学家生平及其贡献。

真锅淑郎（Syukuro Manabe）是日裔美国科学家，1931年出生在日本四国爱媛县，1958年东京大学博士毕业后前往美国，随后，他在美国国家海洋和大气管理局（NOAA）的实验室从事研究。1965年，Manabe 及其合作者们首先提出了一个简化模型，这个模型将大气抽象为“一维单柱”，利用这个简化模型，Manabe分析了大气的辐射—对流平衡模式，并在模型中考虑了水蒸气所带来的正反馈效应。他们发现，随着大气中二氧化碳浓度的变化，地球表面和对流层的温度会上升，而平流层的温度下降。在这个简化模型的基础上，Manabe后来又和他的合作者们进一步考虑了海洋和大气的耦合作用，用计算机对这些气候模型进行了模拟，不只如此，他和合作者们还用他们的模型分析了历史上曾经出现过的一些气候变化。

Klaus Hasselmann是德国科学家，他同样也是1931年出生，先后在汉堡大学（硕士，Diplom）、哥廷根大学和马克斯 · 普朗克研究所的流体力学研究所（博士）学习，他后来是马普所气象研究所（位于汉堡）的创始主任。他的确是一位物理学家，他曾经在研究海洋波的非线性相互作用时引入了费曼图，后来他发现类似的方法也被等离子体物理学家们用于研究等离子体波。这次诺贝尔奖之所以授予他，主要是因为他提出了描述气候变化的随机气候模型（后来被称为Hasselmann模型），在这个模型中，长时间尺度的“气候”的变化被解释为对短时间尺度内的“天气”变化的累积，其中天气的变化用一个随机力来表示。这个模型在混沌随机的天气变化和稳定的气候变化趋势之间架起了桥梁。此外，他还发展了一系列识别自然现象和人类活动在气候中留下的印迹和“指纹”的方法，这些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。

Giorgio Parisi 是意大利科学家，出生于1948年，毕业于罗马大学（University of Rome La Sapienza）。在获得诺贝尔奖之前，他已经获得了许多物理类的奖项，其中包括玻尔兹曼奖（1992）、费米奖（2002）、昂萨格奖（2016）、沃尔夫奖（2016）等等。Parisi 在物理领域的贡献实在太多，在粒子物理、量子场论、统计物理、湍流等领域都做出了卓越的贡献。这次诺贝尔奖主要是授予他在他在自旋玻璃相关领域的贡献。自旋玻璃是一种非常复杂的材料，在这类模型中，磁矩间存在着铁磁相互作用与反铁磁相互作用的竞争。

听起来有些难懂，不过简单解释一下你就明白了，如果我们把一块材料想象成一个队伍，那么铁磁材料中，相邻的人（自旋、磁矩）倾向于看着相同的方向排列，这样一来，一个整齐的队伍（例如所有人都“向右看齐”）就对应于铁磁材料的能量最低态。而反铁磁材料则恰好相反，队伍里相邻的人倾向于朝向相反的方向，这时，队伍里面“向左看齐”和“向右看齐”交替排列就变成能量最低的状态了。而自旋玻璃态当中，有的人跟相邻的人倾向于看着相同的方向（铁磁），有的人倾向于跟相邻的人看着相反的反向（反铁磁），这样一来自旋玻璃的能量最低态就变得非常复杂，你为了迁就一个铁磁的邻居，跟他一样向左看时，可能会得罪另一个向左看的反铁磁邻居，因为他希望你向右看，这种现象就被称为阻挫（frustration）。从这个简单的例子就能看出来，自旋玻璃体系即使是能量最低的状态都可以如此复杂。

总之，自旋玻璃模型是一个高度抽象的模型，它可以用来描述各种无序材料（胶体、颗粒态等等），也可以被用来描述各种不同尺度的包含复杂相互作用的系统（例如大脑、网络、市场、复杂网络上人与人的相互作用），更抽象地来看，自旋玻璃模型也可以被看成是一个概率图模型，在机器学习和组合优化问题中也可以发挥重要的作用，例如蛋白质折叠问题就可以用自旋玻璃模型来解释。Parisi发展了自旋玻璃领域的许多重要的方法（副本方法、空腔法），解决了自旋玻璃相关的大量基本问题，他获得诺贝尔物理学奖实至名归。顺带一提，Parisi本人同样也发表过气候变化有关的论文 [Benzi R, Parisi G, Sutera A, et al. Stochastic resonance in climatic change. Tellus, 1982, 34(1): 10-16.]，在这篇论文中，他的合作者与他在一个高度简化的零维的气候模型中研究了随机扰动所带来的放大效应。

今年的诺奖居然是颁给我们complex physical system的

我爹再也不能说我的领域是乱搞的了

按捺住激动的心情，简单地介绍一下这个领域：

complex system 顾名思义

研究的是系统里的randomness，chaos和介于两者之间的complexity

这个领域主要是想方设法辨别出研究对象里的上面三个现象

然后分析他们之间的关系和机制

最后建立尽量靠谱的数值模型描述和预测对象

譬如说，本次获奖者里的真锅淑郎先生

（真锅先生是我校物理系培养出来的，与有荣焉）

他的研究主要贡献就是预测全球的温暖化

他弄清了在气温变化机制中

大气和海洋的相互作用和对气候的作用

然后在此基础上，第一个开发出能够预测气候变动的数字模型

使得预测长期的气候变动现象变得可能

总的来说，complex physical system是个非常有趣的领域

研究的对象非常地广，对数学和编程要求比较高

本领域也是个在物理学界里相对年轻的领域

甚至还多少有点不太认的意思在

我记得以前和某个北大毕业搞理论物理的师兄交流

“我是搞复杂系统的”

我师兄甚至拍着我的肩膀还看不太上

“复杂系统啊，我知道。”

希望靠这次诺奖，可以让学术界以外的更多人知道我们学科

溜了溜了，赶紧去看看另外两位科学家的研究

好好学习

我估计以后要向亲朋好友介绍起本学科得从这届诺奖讲起

10月6日早上来补充一下

刚打开真锅淑郎或了诺奖后Princeton来的发布会

科学家一开口就是这个意思：

“我老了，我的日语和英语都水平变贼差。英语不好不好意思了哈。”

行了我知道了，这又是一个特别的日本人

活得贼他妈透彻

我私心觉得搞我们这个领域的人都有点这个意思

“这个世界就是这样无序，随机，还挺混沌，太难搞了，就接受好了”

研究越深，越是这个态度，随着对所谓的“无常”的理解加深

看问题就越来越倾向于“no bondary”的感觉，也就越来越坦然面对一切

老爷子现在刚说道：

“最近我看了下其他诺贝尔奖得主的名单。oh my gosh，这帮人做得太牛X了，我的工作根本没法比啊。但是想了想水资源危机，疫苗，等一切人类危机。我就觉得我的研究可以帮助人类更好地理解这些，然后我就觉得我的工作也是不错的。”

哈哈哈哈哈哈哈，笑死了

今年的物理学奖发布之后，大家纷纷表示“这也算？”“这也行？”

经历了近期的“郑州暴雨”、“国外山火”、“全国限电”、“长时间的高温”后，我们忽然发现，全球变暖正与我们日常生活息息相关，而且未来会越来越深入的影响到我们，所以吧，诺奖也开始追热度了。

那么，真锅淑郎（Syukuro Manabe）和克劳斯·哈塞尔曼（Klaus Hasselmann）这两位大师做的究竟是啥东东呢？

简单的说，就是丁仲礼院士在接受柴记者采访时说的“水晶球”。

这里没有一丝一毫对丁院士不敬之意，因为全球变暖涉及的领域实在太多，地质学、生态学、气象学、天文学甚至经济学。这是一个不折不扣的复杂性科学问题。甚至很多言论将其视为一个阴谋论，你一定听过这些言论：

“水蒸汽的温室效应比二氧化碳严重很多，为什么是二氧化碳导致了全球变暖？”

“历史上二氧化碳的浓度比现在大的时候也有，为什么要担心现在二氧化碳排放的增加？”

……

总而言之化为一句话：现代的科学连三体问题都解决不了（解析解），我们也都知道蝴蝶效应，我们更知道天气预报不可能完全准确，那么，你们是怎么推导出全球变暖的？

在广大民众的眼里，科学家去推测未来全球变暖的恶果，和魔法师手里的水晶球确实差不了太多。

我们需要了解一下，科学家们是如何按照科学方法去做工作的。

首先，我们必须承认，不管体系多么复杂，地球上任何一个地方都必须遵从物理学定律，而没有一丝一毫超自然的东西，这可能也是本届物理学奖颁发给全球变暖的基础吧。

早在两百多年前，傅里叶对能量平衡的研究为后来对温室效应的探索奠定了理论基础：太阳辐射和地球辐射的平衡。

当100多年前的阿伦尼乌斯利用黑体辐射公式来计算地球表面温度的时候，发现如果地球没有大气，那么地球应该是一个冰球，表面温度为-18℃。所以，正是温室效应让地球表面变得生机勃勃。

他还做出推测：如果大气中的二氧化碳含量减半，这将会足以让地球进入一个新的冰河时代；反之亦然，如果二氧化碳的浓度翻倍，将会使地球表面温度升高5-6°C。很有意思的是，阿伦尼乌斯的这一预计非常接近目前的估计。

上世纪50年代，我们的主人公真锅淑郎离开了满目疮痍的日本，来到美国，继续阿伦尼乌斯的研究。在那个时代，全球变暖这个话题不仅不是如同现在一样如火如荼，简直就是无人问津，在那个时代，更多的人担心的是地球会趋向冰河时代。所以，真锅淑郎当时就是在炒冷饭，谁能想到，几十年后，他成功的登上了科学圣殿的最高领奖台！

他发现，阿伦尼乌斯只关注到了辐射平衡，却忽略了垂直对流和水的相变潜热。

面对这种复杂性科学问题，真锅淑郎化繁为简，把复杂的三维世界问题缩减为一个维度——垂直维度。尽管如此，当时他还是耗费了上世纪60年代的几百台计算机来进行模拟计算。

他的模型预测出：二氧化碳增加一倍，全球气温会上升2℃以上。

真锅淑郎在1975年发表了这个模型，身处2021年的现在，我们回顾一下，这个模型似乎过于简单粗糙，也便于我们理解。我咨询了几位研究全球变暖问题的专家，他们都表示，这个文献过于古老，他们都没有阅读过这篇文献。但这些专家都承认，这绝对是人类在破解气候谜团之路上的一个里程碑！

真锅淑郎的研究和预言还不得不面对一个非常现实的问题，二氧化碳的增多是自然现象还是人类引起的？

如果能把地球放进烧杯做实验，或者我们做一个“简单”的对比实验：去除人类、观察50年，那这个问题当然非常容易被破解。然而我们对气候问题的“不识庐山真面目”，难道不正是因为我们“身在此山中”吗？

在真锅淑郎之后10年左右，克劳斯·哈塞尔曼（Klaus Hasselmann）从爱因斯坦对布朗运动的研究中得到灵感，创建了一个随机气候模型。利用这个理论，哈塞尔曼证明了快速变化的大气实际上可以造成海洋的缓慢变化。

基于这个模型，哈塞尔曼开始研究全球变暖现象，他发现，诸如太阳辐射、火山喷发等自然现象会留下独特的信号，他称之为“指纹”（fingerprints），把这些“指纹”识别并分离出来以后，剩下的就是人类对气候系统的影响。

不得不插一句，二战之后，全球遍布的各个气候观测点记录下来的越来越详尽的数据，实在太重要了，这些数据给科学家理论提供了坚实的数据支撑！

哈塞尔曼的模型清晰的显示出：温室效应正在加速，从19世纪中期开始，大气中的二氧化碳含量增加了40%，地球大气在几十万年里也没有增加过这么多二氧化碳了。温度测量显示，在过去150年里，地球表面温度上升了1°C。

这就回答了之前的那个问题：人类的排放是气候变暖的原因吗？

答案：更大的可能性是的！

用群众能看懂的话小结一下：

1，真锅淑郎的贡献是：建立气候模型，并预测二氧化碳的过度排放会造成全球表面温度上升。

2，哈塞尔曼的贡献是：开发识别方法，去除复杂体系里的噪音，认识到是人类活动造成了二氧化碳浓度的增加。

二位的研究都来自几十年前，似乎这次诺奖委员会也是希望“去除噪音”，用多年前比较基础的研究以正视听：阴谋论者们的陈词滥调在几十年前就已经被我们研究的体无完肤了，大家还是一致向前看，搞搞“碳达峰”，实现“碳中和”，这才是正途！

另一位获奖者Parisi是物理学界大神，其他答案自有大神们解读，我就不班门弄斧了！但似乎，他获奖的原因也来自对复杂体系的研究。看来，这次诺奖主题就是“复杂性科学”。（老司机勿断句错误，跪求）

说起“复杂性科学”，我觉得这次诺奖之后，“复杂性科学”的标志性人物沃尔夫雷姆（Wolfram）绝对有话要说！去年，他曾号称：我很高兴地说，我认为我们已经找到了通往物理学基础理论的道路。这被媒体歪曲成：“沃尔夫雷姆已经找到了万物理论！”

下面这个万赞回答解读很好，我负责搬运，能否看懂是你自己的事了，呵呵

到目前为止，沃尔夫雷姆的理论并不完全被科学界广泛接受，但他在复杂性科学领域开创性的研究是非常有勇气的，他的书也颇能带给人一些灵感，推荐！

如果你对复杂性科学还不是非常了解，下面这部经典作品《复杂》可以帮我们在复杂性科学领域扫盲，强烈推荐！

本文翻译自诺贝尓奖官网

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隐藏的奥秘

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定了基础。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，初始值的微小偏差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定了基础。

大约十年后，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情况下，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隐藏的模式。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·傅立叶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。

这项任务与傅立叶承担的任务相同——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情况的影响。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、标准偏差、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空气的很少一部分，空气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，然而我们可以控制空气中的二氧化碳浓度。

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减少，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。另外，在1901年他的同事气象学家尼尔斯·埃克霍尔姆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——绝对黑体在单位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。太阳表面的温度大约是6000°C，辐射能量主要集中在光谱的可见光波段。地球的表面温度大约是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℃。

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，哈塞尔曼延续了他的工作，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，所以高纬度区域相比于接近赤道的低纬度区域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、不同高度的空气层间，因为受辐射量不同产生的温度不同的空气的密度差便导致了规模庞大的热传递形式，而这种热传递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。大约两百年之前，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空气运动的，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——大气中每一处的的空气温度、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。洛伦茨也建立了如今的混沌理论。

读懂噪声数据

天气是一个经典的混沌系统，即便如此，我们该如何建立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目前最长的一系列大气二氧化碳测量工作，他也因此而闻名。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行为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乱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需要一千年，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缓慢变化。

辨别人类影响的痕迹

在建立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。这能仅仅用自然因素来解释吗？不能。人类的排放是气温升高的原因吗？是的。

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隐藏规则支配的发现。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质提供了微观解释，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，这是在铁原子中的的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？

自旋玻璃及其奇特的性质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隐藏的结构，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。

百花齐放的阻挫行为

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，系统的表现的行为和结果将会如何？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行为有关。

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行为如何产生复杂的集体行为，这对于自旋玻璃和椋鸟而言同样适用。

来源：诺贝尔奖官网The Nobel Prize in Physics 2021

---

  viaxke-yan-jia-su-qi 网友的相关建议: 
      

我理解里，因为中国发展太快了。

这说起来你们可能觉得离谱，但是事实就是这样。大量引入外资和外来技术开始后经济发展太快，在这种高速发展下做技术导向企业就是不可能的，你做技术带来的增长率远远赶不上加了外资杠杆的竞争对手的增长率。

哪怕企业真的技术强壁垒高能活过竞争，企业里的员工也必然要被大量挖角，因为员工在这种环境下理性选择也是赚快钱。2000年赚了1000万的和2000-2020每年100万收入的在2021比资产时前者几乎无悬念完胜的背景下，没人会有心思在一家公司搞什么技术的，必然都是想着快，抄，上，做出影响力，跳槽，收入翻几倍，下一轮。

等中国也一年增长两三个点，利率接近0，普通搞技术的可以30混到60的时候，这种公司反而会更容易生成。

---