2021诺奖花落谁家？清华AMiner团队给出了最新预测

　　诺贝尔奖是每年最受瞩目的科学界盛宴，还有不到一周的时间，今年的诺奖就即将揭晓名单，到底花落谁家，不妨让我们来预测一下。

　　诺贝尔奖六大评审委员会的保密性之高一向有目共睹。直到公布之前，几乎不会提前透露任何内部消息。同时，委员会从不对外公布所谓的“诺贝尔奖候选人”名单，并设置了 50 年的保密期。

　　因此每年的这个时候，在正式公布最终获奖者之前，各种对获奖者的预测和猜想，也十分有趣。各家都使出自己的看家本领，从各个维度去分析可能获得诺贝尔奖的学者。

　　今年，学术头条联合清华大学 AMiner 平台，对 2021 年诺贝尔生理学或医学奖、物理学奖、化学奖进行预测，利用 AMiner 全球学者大数据，通过人工智能模型算法，筛选出了最有可能获得诺贝尔奖的科学家。

　　学术君对学者名单进行了简单的整理分类，并补充了可能的获奖理由。

　　话不多说，直接上结果。

　　最有可能获得诺贝尔生理学或医学奖的学者

　　GROUP 1

　　卡尔·戴瑟罗斯（Karl Deisseroth，美国斯坦福大学）

　　彼得·黑格曼（Peter Hegemann ，德国洪堡大学）迪特尔·厄斯特黑尔特（Dieter Oesterhelt，德国马克斯·普朗克生物化学研究所）

　　三位科学家发现了可以激活或沉默单个脑细胞的光敏微生物蛋白，并将其用于开发光遗传学——一项神经科学的革命性技术。

　　GROUP 2

　　卡塔林·卡里科（Katalin Karikó，BioNTech）德鲁·韦斯曼（Drew Weissman，美国宾夕法尼亚大学）

　　基于对信使 RNA（mRNA）的修饰，他们开发出一种新的治疗技术，使得高效的新冠 mRNA 疫苗的快速开发成为可能。

　　GROUP 3

　　纳波莱奥内·费拉（Napoleone Ferrara，加州大学圣地亚哥分校）

　　发现了一种新的功能分子——血管内皮生长因子（VEGF），是健康组织和癌细胞中形成新血管过程中的关键调节器。随后他以 VEGF 为靶点来实现抗肿瘤，发明了临床上第一个用于抗血管新生药物 Avastin（贝伐单抗）。

　　GROUP 4

　　远藤章（Akira Endo，京都大学）

　　远藤章通过研究 6000 种真菌提取物，发现了三种提取物能抑制胆固醇的合成。其中一种就是他汀类药物的原型药 mevastatin，继它以后，结构改造后的其他他汀类药物陆续诞生。目前，他汀类药物在临床上主要用于高胆固醇血症以及防治动脉粥样硬化和冠心病。

　　GROUP 5

　　阿龙·拉辛（Aharon Razin，以色列加拿大医学研究所）霍华德·锡达（Howard Cedar，以色列加拿大医学研究所）查尔斯·戴维·艾利斯（Charles David Allis，洛克菲勒大学）

　　拉辛和锡达发现 DNA 分子可以被甲基化酶甲基化，并且甲基化以后可以影响基因的表达。艾利斯首次揭示组蛋白乙酰基转移酶是一类重要转录共激活物，证实细胞核核小体上的组蛋白不仅仅是用作染色质的骨架，组蛋白修饰还能够调节基因活性。艾利斯还探索了包括甲基化、磷酸化、泛素化在内的各种组蛋白修饰以及组蛋白变体对基因表达调控、染色质结构乃至癌症等疾病发生的影响。艾利斯的发现标志着表观遗传学的兴起。

　　GROUP 6

　　维克多·安布罗斯（Victor R. Ambros，马萨诸塞大学医学院）加里·鲁夫昆（Gary B. Ruvkun，哈佛大学医学院）Victor R. Ambros 在线虫中首次发现 microRNA lin-4，可以降低蛋白 LIN-14 的水平，开启了 microRNA 的先河。Gary Ruvkun 发现了 Victor R. Ambros 报道的 lin-4 在线虫中的调控机制：通过不完全碱基配对调控靶信使 RNA 的翻译。此外，又发现第二种 microRNA let7，能调控靶信使 RNA lin-41 的转录，并且 microRNA let7 在物种上具有保守性。

　　GROUP 7

　　罗伯特·温伯格（Robert Weinberg，麻省理工学院）

　　因发现导致正常细胞形成肿瘤的第一个致癌基因——ras 致癌基因而闻名，并分离出第一个已知的抑癌基因—Rb1 基因。

　　GROUP 8

　　迈克尔·霍尔（Michael N. Hall，瑞士巴塞尔大学）

　　因其在细胞信号传导和癌症代谢方面的重要贡献而闻名，最著名的是 mTOR 的发现和研究。mTOR 是一种蛋白激酶，是细胞和生物体生长的重要调节因子，在癌症、糖尿病以及衰老过程中发挥关键作用。

　　GROUP 9

　　马修·斯坦利·梅塞尔森（Matthew Stanley Meselson，哈佛大学）

　　在 1958 年著名的 Meselson-Stahl 实验中，他和 Frank Stahl 通过氮同位素标记证明 DNA 是半保留复制。此外，Meselson，Fran?oisJacob 和 Sydney Brenner 在 1961 年发现了信使 RNA 的存在。

　　GROUP 10

　　亚历克·杰弗里斯（Alec Jeffreys，莱斯特大学）埃德温·萨瑟恩（Edwin M. Southern，牛津大学）

　　最早的 DNA 指纹分析及 DNA 特征测定技术发展者。这些技术彻底改变了人类遗传学和法医诊断学。

　　GROUP 11

　　伊夫林·M·威特金（Evelyn M. Witkin，罗格斯大学）斯蒂芬·J·埃利奇（Stephen J. Elledge，布莱根妇女医院）

　　Elledge 和 Witkin 发现了保护所有生物基因组的 DNA 损伤应答机制。Witkin 确立了它在细菌中的存在和基本特征，而 Elledge 在更复杂的生物体中发现了它的分子途径。

　　诺奖小知识

　　#1

　　诺贝尔奖是指根据诺贝尔1895年的遗嘱而设立的五个奖项，包括：生理学或医学奖、物理学奖、化学奖、和平奖和文学奖，旨在表彰在物理学、化学、和平、生理学或医学以及文学上“对人类作出最大贡献”的人士，1901 年，诺贝尔奖首次颁发。1968 年，瑞典中央银行增设诺贝尔经济学奖，用于表彰在经济学领域杰出贡献的人 。

　　诺贝尔奖甄选委员会通常在每年 10 月公布得主。颁奖典礼于每年 12 月 10 日，即诺贝尔逝世周年纪念日，分别在瑞典首都斯德哥尔摩和挪威首都奥斯陆由国王举行授奖仪式 。

　　最有可能获得诺贝尔物理奖的学者

　　GROUP 1

　　乔治·帕里奇（Giorgio Parisi，意大利罗马大学）

　　他的工作对物理科学的各个分支产生了巨大影响，涵盖粒子物理学、临界现象、无序系统以及优化理论和数学物理学等领域。1977 年，Giorgio Parisi 与 Altarelli 一起发现了演化方程，可以准确地表述夸克和胶子在质子和原子核中的分布情况。

　　GROUP 2

　　阿兰·阿维（Alain Aspect，巴黎综合理工学院、法国国家科学研究中心）约翰·克劳瑟（John F. Clauser，J.F. Clauser & Assoc.创始人）安东·泽林格（Anton Zeilinger，IQOQI--维也纳量子光学和量子信息研究所）

　　三位物理学家宣称贝尔定理相关的众多实验结果违背了 Bell 不等式, 支持了哥本哈根学派的观点, 认为两个粒子的纠缠态是客观存在的，证明了 Bell 不等式。

　　GROUP 3

　　亚基尔阿哈罗洛夫（Yakir Aharonov，美国查普曼大学）

　　提出了一个关于电子在磁场中运动的干涉假想实验，是著名 AB 效应的提出人之一。

　　GROUP 4

　　约翰·佩卓（John P. Perdew，美国查普曼大学）

　　世界上被引用率最高的物理学家之一，在密度泛函理论方面作出了卓越的贡献。

　　GROUP 5

　　阿列克谢·基塔耶夫（Alexei Y. Kitaev，加州理工学院）

　　主要成就为：在拓扑量子计算中，利用多体系统的拓扑特性对量子信息进行编码和保护。

　　GROUP 6

　　近藤淳（Jun Kondo，国立先进工业科学与技术研究所）弗兰克·斯特格利希（Frank Steglich，德国马普研究所）

　　近藤淳是日本凝聚态物理学家，以他名字命名的近藤现象其实早在上世纪中期就被他所发现；弗兰克为德国凝聚态物理学家，他发现了“高温超导体”。两位科学家均为近藤效应及应用的发现及发展做出了巨大贡献。

　　GROUP 7

　　莱恩·韦斯特加德·豪（Lene Vestergaard Hau，哈佛大学）

　　她利用超流体将光速减缓到每秒 17 米，为量子计算奠定了坚实的基础。

　　GROUP 8

　　马克西米利安·海德尔（Maximilian Haider，卡尔斯鲁厄理工学院）哈拉尔德·罗斯（Harald Rose，德国乌尔姆大学）克努特·厄本（Knut Urban，德国 RWTH 亚细安大学）

　　三位科学家均出生于德国，他们专注于电子光学的研究长达半个多世纪之久，是球差校正器的主要发明人。他们的开创性工作现已催生了研究实验室常规使用的 TEM 和 STEM 仪器。

　　GROUP 9

　　迈克尔·维克多·贝里爵士（Sir Michael V. Berry，英国布里斯托大学）

　　由他所研究发现的贝里相位，帮助我们更加深刻地理解了物理学中的拓扑效应。

　　GROUP 10

　　马克·纽曼（Mark E J Newman，美国密歇根大学）

　　纽曼以研究复杂网络而闻名，特别是研究科学家的合作模式、随机图形理论、分类混合、社区结构、渗透理论和网络流行病学。

　　诺奖小知识

　　#2

　　遵照诺贝尔遗嘱，物理学奖和化学奖由瑞典皇家科学院评定，生理学或医学奖由瑞典皇家卡罗林医学院(卡罗林斯卡学院)评定，文学奖由瑞典文学院评定，和平奖由挪威议会选出；经济奖委托瑞典皇家科学院评定。

　　每个授奖单位设有一个由 5 人组成的诺贝尔委员会负责评选工作，该委员会三年一届。

　　最有可能获得诺贝尔化学奖的学者

　　GROUP 1

　　奥马尔·亚基（Omar Yaghi，加州大学伯克利分校）藤田诚（Makoto Fujita，东京大学）北川进（Susumu Kitagawa，京都大学）

　　成功设计和开发多孔金属-有机骨架结构，该设计可用于氢气和甲烷存储、气体净化和气体分离等。

　　GROUP 2

　　卡塔林·卡里科（Katalin Karikó，BioNTech）德鲁·韦斯曼（Drew Weissman，宾夕法尼亚大学）

　　他们基于对信使 RNA（mRNA）的修饰，开发出了一种新的治疗技术，使得 mRNA 疫苗的快速开发成为可能，比如 BioNTech/Pfizer 和 Moderna 生产的新冠疫苗。

　　GROUP 3

　　巴里·哈利维尔（Barry Halliwell，新加坡国立大学）

　　在自由基化学方面完成开创性研究，包括自由基和抗氧化剂在人类疾病中的作用。

　　GROUP 4

　　戴维·克伦纳曼（David Klenerman，剑桥大学）尚卡尔·巴拉苏布拉马尼安（Shankar Balasubramanian，剑桥大学）

　　他们发明了 Solexa-Illumina 新一代 DNA 测序（NGS）技术，这项技术极大加深了人类对生命的基本理解，通过实现快速、准确、低成本和大规模的基因组测序（有机体构成的完整 DNA 序列的确定过程），将生物科学转变成了“大科学”。

　　GROUP 5

　　威廉·L·约根森（William L. Jorgensen，耶鲁大学）

　　专注于溶液中有机和生物分子体系的计算化学方法和研究，有助于合理的药物设计和合成。

　　GROUP 6

　　泽本光男（Mitsuo Sawamoto，京都大学）

　　发现和发展了金属催化活性自由基聚合。

　　GROUP 7

　　詹姆斯·安东尼·斯普迪赫（James Anthony Spudich，斯坦福大学）迈克尔·帕特里克·希茨（Michael Patrick Sheetz，德克萨斯大学）罗纳德·戴维·韦尔（Ronald David Vale，加州大学旧金山分校）

　　他们在阐明生命分子运动机制、构建体外生命运动体系、鉴定出生命分子马达等方面做出突出贡献。

　　GROUP 8

　　弗朗兹-乌尔里奇·哈特尔（Franz-Ulrich Hartl，马克斯·普朗克生化研究所）亚瑟·霍里奇（Arthur L. Horwich，耶鲁大学）

　　他们因在分子伴侣辅助的蛋白质折叠的开创性研究而闻名。

　　GROUP 9

　　卡罗琳·贝尔托西（Carolyn Bertozzi，斯坦福大学）

　　她发明的可在活体细胞和组织中进行的生物正交化学反应，可以被用于对细胞中的特定分子进行标记以便成像、药物标靶识别以及开发下一代的生物治疗药物，有助于诊断和治疗疾病，特别是癌症和传染病。

　　GROUP 10

　　哈里·格雷（Harry Gray，加州理工学院）

　　演示了蛋白质中远程电子隧穿的开创性技术，并使用特殊修饰的蛋白质生物分子来测量电子转移速率。

　　诺奖小知识

　　#3

　　根据诺贝尔遗嘱，在评选的整个过程中，获奖人不受任何国籍、民族、意识形态和宗教信仰的影响，评选的第一标准是成就的大小。

　　诺贝尔奖遵循的原则是，除了公布最终获奖者外，候选人的名单都不对外公开，并设置了 50 年的保密期。因此，对于每年可能出现的各种传说，说某人获得提名成为诺贝尔奖候选人，其真实性必须在 50 年后才能得到验证。

　　AI ? 如何预测诺奖

　　本次诺贝尔奖的预测基于智谱AI 开发的数据与知识双轮驱动人工智能框架。在这一框架下，人工智能模型不仅能阅读大量的语料，理解其中的语义，而且还能推理、认知，从中学习知识并与已经学到的知识作比较和融合，从而像人类一样学习和思考。

　　

　　图 | AMiner 诺奖学者库（ 历届诺奖获得者大集合+全景分析，可通过点击文末阅读原文，一键跳转查看 ）

　　在数据方面，智谱AI 通过参与构建的、包含 2 亿篇论文和 6500 个引用关系的开放学术图谱（Open Academic Graph，简称 OAG），训练出了一个大规模预训练模型 OAG-Bert。在模型中融合了大量的论文、学者、知识概念、机构和学术期刊会议等信息，让模型具有举十反一的归纳能力。

　　在知识方面，获奖预测模型使用了清华大学计算机系研发的科技情报大数据挖掘与服务系统平台 AMiner 的学者知识图谱，对专家学者间的深层关系进行深层推理，挖掘及向量表示。除此之外，通过人工经验和特征工程，模型还融合许多对于模型准确率相关度较高的特征，例如：H指数（h-index）、引用数（#citation）、活跃度（activity）等。

　　为了使该算法达到最优的计算效果，该模型的训练采用了启发式规则+模型自主学习的联合算法，优化目标值也是从大量经过提纯的学者数据中经过统计分析得到。这样得到的算法模型，结合了大数据分析和专家先验知识，从而达到合理精准评分。

　　作为整个人才画像的一个简单应用，该算法模型除了诺贝尔奖外，还实现了对院士、杰青、IEEE/ACM 会士等多种评奖进行预测，最终实现对科技人才潜力的科学评价。