ICTP 宣布 2026 年 Dirac 奖章获奖者（物理学）

# ICTP公布2026年狄拉克奖章获得者 来源：https://www.ictp.it/news/2026/8/ictp-announces-2026-dirac-medal-recipients ICTP将2026年狄拉克奖章授予四位物理学家，他们在统计力学领域做出了重要贡献——这一理论框架被物理学家用于描述由大量组分构成的系统之集体行为，并借助该框架探索了理论物理中影响深远的概念，从生物系统研究到金融市场分析，乃至人工智能发展，均对现实世界的进步产生重要影响。 奖章评审词写道：“表彰他们对平衡态统计力学的开创性贡献，以及将其概念与方法拓展至非平衡统计力学、优化问题、理论神经科学乃至人工智能领域的卓越成就。” 四位获奖者为： - **伯纳德·德里达**（Bernard Derrida），法兰西学院荣休教授，法国 - **迪帕克·达尔**（Deepak Dhar），塔塔基础研究所国际理论科学中心INSA杰出教授，印度 - **马克·梅扎尔**（Marc Mézard），博科尼大学理论物理学教授，意大利 - **海姆·索姆波林斯基**（Haim Sompolinsky），耶路撒冷希伯来大学神经科学与物理学荣休教授、哈佛大学分子与细胞生物学及物理学驻校教授，美国 ICTP主任兼奖章委员会主席阿蒂什·达博尔卡评价道：“2026年狄拉克奖章获得者的工作，有力确立了理论物理（特别是统计力学）作为应对广泛问题的强大框架——这些研究早已超越传统领域，涵盖了生物学、计算机科学和人工智能等方向。我特别欣喜地看到，今年的奖章表彰了ICTP内具有悠久传统的研究领域，这在一定程度上植根于前ICTP主任米格尔·维拉索罗的研究工作，并向四位获奖者致以热烈祝贺。” ICTP研究员让·巴比埃通过视频阐释了统计力学的内涵，并介绍了本年度奖章获得者研究的核心思想。 2026年狄拉克奖章获得者借助统计力学揭示了复杂系统的多重特性，其应用前景广阔。 **伯纳德·德里达**创建了数学模型，解释复杂无序系统中集体行为的产生机制。例如，其随机能量模型揭示了多组分系统有时会受少数优势构型主导。该模型最初为自旋玻璃体系设计，用于描述无序磁性合金，但其思想已渗透至优化、神经网络乃至人工智能等多个领域。 **迪帕克·达尔**揭示了简单相互作用如何在大型系统中催生复杂且难以预测的行为。通过开创性的沙堆模型研究，他阐释了一种常见现象：向沙堆添加颗粒时，多数情况下不会引发变化或仅产生小规模崩塌，但偶尔单个颗粒即可触发大规模塌陷。该理论表明，沙堆与许多复杂系统一样，会自发进入临界状态——微小扰动可能引发突变事件。这一模型已被广泛应用于地震、交通拥堵、金融市场波动等看似迥异的系统建模。 **马克·梅扎尔**协助解释了具有高度阻挫特性的无序系统如何受多竞争可能性影响而呈现行为特征。其最重要的贡献之一是与乔治·帕里西、米格尔·维拉索罗共同开发的“空穴法”，该理论提供了描述广泛无序系统的直观框架，并衍生出寻找优势构型的实用算法。这些算法和理论思想已应用于计算机科学、通信、优化领域，近年来更在人工智能领域大放异彩。 **海姆·索姆波林斯基**运用统计力学研究神经回路、记忆与大脑功能，开创了理论与计算神经科学领域。早期在自旋玻璃研究的基础上，他破解了霍普菲尔德模型这一简单的记忆数学模型，进而建立了神经网络的统计力学描述。这项工作构建了统计物理与大脑功能之间的首个严谨联系，为联想记忆（大脑从碎片信息中还原完整记忆的能力）的运作机制提供了新见解。 设立于1985年的**ICTP狄拉克奖章**旨在表彰理论物理领域的重要贡献。历届获奖者包括该领域的顶尖学者，其中多人后续获得诺贝尔奖、菲尔兹奖等更高荣誉。本届评审委员会由两位诺贝尔奖得主及其他杰出科学家（均为往届获奖者）组成，由ICTP主任达博尔卡担任主席。 **获奖者简介** **伯纳德·德里达**在格勒诺布尔劳厄-朗之万研究所获得博士学位，并于巴黎第十一大学取得国家博士（These d'Etat）。他曾在萨克莱法国替代能源与原子能委员会（CEA）工作，后成为巴黎高等师范学校和巴黎第六大学教授，自2015年起任职于法兰西学院。德里达是统计力学专家，研究聚焦于动力学系统、无序介质理论、非平衡物理及生物建模。他于2010年获玻尔兹曼奖章（与约翰·卡迪共享），2015年获ENS三大物理学家奖。 **迪帕克·达尔**在加州理工学院获得博士学位。他在孟买塔塔基础研究所工作数十年，2016年加入印度科学教育与研究院，自2024年起担任塔塔基础研究所国际理论科学中心INSA杰出教授。其研究专注于统计物理与随机过程。他于2023年获印度最高平民荣誉之一的“莲花装勋章”（Padma Bhushan），2022年与约翰·霍普菲尔德共享玻尔兹曼奖章，并于1991年获香提·斯瓦鲁普·巴特纳加奖。 **马克·梅扎尔**毕业于巴黎高等师范学校。2012年至2022年担任该校校长，随后加入博科尼大学新成立的计算科学系任教。他自2021年起担任ICTP科学委员会成员，2024年起担任主席。梅扎尔的研究领域涵盖无序系统统计物理及其在生物学、经济学与金融、信息论、计算机科学、统计学、信号处理和生物物理学等多学科的应用。近年来专注于神经网络、机器学习和深度网络的信息处理研究。其荣誉包括2022年ENS三大物理学家奖、2016年美国物理学会拉斯昂萨格奖及2009年洪堡-盖伊-吕萨克奖。 **海姆·索姆波林斯基**在以色列巴伊兰大学获物理学博士学位，并在哈佛大学从事博士后研究。曾任巴伊兰大学副教授，1986年加入耶路撒冷希伯来大学任教授。2006年起担任哈佛大学斯沃茨理论神经科学项目主任及哈佛脑科学中心访问教授。他将统计物理的方法与概念引入神经回路、记忆、学习及神经信息处理研究，被公认为理论神经科学领域的领军人物之一。 **科学概述：狄拉克奖章获得者对统计力学的贡献** 2026年狄拉克奖章评审委员会对四位获奖者工作的总结如下： **伯纳德·德里达** 在自旋玻璃研究中，德里达于1980年提出随机能量模型——最简洁的可解平均场模型。格罗斯与梅扎尔证明该模型解是p自旋模型解在p→∞极限下的特例。1987-1988年间，他与加德纳等合作者对神经网络理论作出多项贡献，特别是求解了霍普菲尔德模型的非对称版本。1988年与施庞合作求解了树状结构上的定向聚合物问题，将体系冻结与行波前沿联系起来。在非平衡物理领域，他（与埃文斯、哈基姆、帕斯奎耶合作，1993年）获得非对称排他过程的矩阵乘积精确解，揭示了驱动系统的精确稳态。他与勒博维茨等合作研究的电流大偏差理论，为离平衡宏观涨落理论提供了基础的可解范例。 **迪帕克·达尔** 达尔的核心成果是精确求解阿贝尔沙堆模型——该模型由巴克、唐和韦森菲尔德于1987年提出，作为自组织临界性的范例。达尔发现其翻转算符满足交换律，从而赋予递归构型集合阿贝尔群结构。这一洞察使模型可解：他将模型关联至q态Potts模型在q→0的极限情形。其统计力学其他开创性工作包括：1983年通过关联枚举与硬核格气体，获得定向晶格动物的精确结果；1989年提出并求解阿贝尔沙堆的定向版本；近年来对向列-无序相变作出重要贡献。 **马克·梅扎尔** 梅扎尔的早期工作是自旋玻璃理论的核心：他与帕里西、维拉索罗发展了空穴法——作为副本对称破缺的概率重构，其直观性常优于副本技巧，并合著了该领域标准参考文献《自旋玻璃理论及其超越》（1987年）。1987年与维拉索罗发表关于纯态超度量结构方程特性的开创性论文，与格罗斯证明德里达随机能量模型的解是p自旋模型解在p→∞的极限。随后将这些思想引入计算机科学与推断领域：与帕里西合作将匹配、旅行商等组合优化问题映射至无序系统；2002年与帕里西、泽基纳合作求解随机可满足性问题并推导出调查传播算法（《科学》杂志，2002年）。该研究体系还延伸至纠错码、压缩感知领域，在与蒙塔纳里合著的专著中系统整合了信息、物理与计算理论。他近年专注于神经网络学习理论，其关于生成模型统计力学分析及相关后向朗之万方程的论文在物理与计算机科学界引发广泛关注。 **海姆·索姆波林斯基** 索姆波林斯基起步于自旋玻璃物理研究：与齐佩利乌斯合作建立了谢林顿-柯克帕特里克模型的弛豫动力学框架。后与阿米特、古特弗罗伊德合作，通过求解霍普菲尔德模型将统计力学引入理论神经科学领域，并计算了多种吸引子神经网络模型的存储容量。1988年发展的动态平均场理论已扩展应用于多种生物与人工网络模型。在脑行为模型研究中获得多项重要成果，例如解释皮层不规则放电现象。近年来在神经表征几何结构及深度网络中物体流形容量研究方面取得突破性进展。