11月1日-2日，由未來科學大獎基金會與香港科學院共同主辦的“2024未來科學大獎周”（下稱“大獎周”）-科學峰會在香港科學館圓滿舉辦。

　　為期2天的科學峰會，吸引包括2021年諾貝爾化學獎得主本杰明·利斯特教授（Prof。 Benjamin List）、菲爾茲數學獎得主葉菲姆·澤爾曼諾夫教授（Prof。 Efim Zelmanov）、沃爾夫獎得主彼得·佐勒教授（Prof。 Peter Zoller）以及多位中國科學院、香港科學院院士等出席活動。

　　科學峰會旨在通過近30位頂尖科學家的前沿科學議題探討與交流，打造超一流的學術水準和廣泛的國際影響，為青年科研人員、創科人士開啟一扇通往未來科學視野的大門，充分感受科學力量。

　　首日聚焦化學跨學科交叉與生命科技革命

　　科學峰會首日開展“化學 - 跨學科研究之核心科學”、“生命科學 – 生物科技革命改變人類健康”專題研討會活動。

　　在“化學 - 跨學科研究之核心科學”專題研討會上，香港大學黃乾亨黃乾利基金教授（化學與能源）及化學系講座教授，中國科學院院士，美國科學院外籍院士，世界科學院院士，香港科學院創院院士，2024未來科學大獎周程序委員會聯席主席任詠華領銜，邀請2021年諾貝爾化學獎獲得者Benjamin List，斯坦福能源研究所主任崔屹，康奈爾大學Peter J.W。 Debye化學教授陳鵬，香港大學化學系教授教授唐晉堯，圍繞“酸性催化劑”“電池技術”“單分子化學”以及“活性物質相變與新材料的發展”展開學術分享與探討。

　　在“生命科學 – 生物科技革命改變人類健康”專題研討會上，香港中文大學腫瘤學系系主任莫樹錦與香港大學生物化學系榮譽教授謝賞恩領銜，邀請劍橋大學亞瑟·巴爾福遺傳學教授Anne Ferguson-Smith，斯坦福大學醫學系主任Euan Ashley，紀念斯隆-凱特琳癌癥中心干細胞生物學中心主任Lorenz Studer，耶魯大學細胞生物學尤金·希金斯講座教授林海帆，圍繞“生物醫學與人工智能”“干細胞研究”“基因調控研究”展開學術分享與探討。

　　次日聚焦物理、數學、計算機課題

　　11月2日，科學峰會聚焦“物理 – 量子信息”“ 數學 – 數學洞察”“計算機科學 – 人工智能與芯片”三大專題。

　　加州大學圣克魯斯分校天文學和天體物理學教授，清華大學高等研究院杰出客座教授，美國藝術與科學學院院士，未來科學大獎科學委員會委員，2024未來科學大獎周程序委員會聯席主席林潮在歡迎致辭中對到場來賓表示感謝，并對演講嘉賓Peter Zoller教授、文小剛教授、黃信元博士、李柯伽教授的學術背景以及科研經歷進行了介紹。

　　因斯布魯克大學理論物理學教授，奧地利科學院量子光學與量子信息研究所 （IQOQI） 名譽研究主任，德國科學院院士，2013年沃爾夫物理學獎獲得者，2006年狄拉克獎獲得者Peter Zoller，以《原子和離子的量子計算與模擬》為題進行主旨演講，介紹了模擬和數字量子模擬的最新進展，涵蓋從凝聚態物理到高能物理等主題。首先，Peter Zoller教授簡要概述原子平臺和多體漢密爾頓量的工程；接下來，他提供了近期研究的案例，包括通過漢密爾頓學習對量子模擬器進行編程和驗證、研究大規模糾纏以及模擬格點規范理論；最后，他以前瞻性的視角介紹了作為可編程量子傳感器的量子模擬器。

　　麻省理工學院教授，美國科學院院士，美國藝術與科學學院院士，2017年凝聚態物理巴克利獎獲得者文小剛，以《光（及其他基本粒子）的起源——物質與信息的統一》為題進行主旨演講。他提出，我們的世界充滿了謎團：為什么所有物質基本粒子（如電子和夸克）都是費米子？為什么我們擁有許多對稱性，盡管引力的量子漲落破壞了所有對稱性？文小剛教授認為，所有這些謎團都來自（或可以通過）構成我們空間的眾多量子比特的量子糾纏來解決。眾多量子比特的量子糾纏（謎團的起源）是一種新的物理現象，需要新的數學，編織融合高級范疇，再來進行描述，這也成為量子對稱性的數學框架。

　　2025年加州理工學院理論物理學助理教授，麻省理工學院訪問科學家，谷歌量子人工智能高級研究員黃信元，以《在量子宇宙中學習》為題進行主旨演講。在演講中，他介紹了構建嚴格理論的最新進展，展示了科學家、機器和未來的量子計算機在學習量子宇宙模型方面的探索。他以一個實驗上可行的程序開始，該程序將量子多體系統轉換為系統的簡潔經典描述，即其經典陰影。黃信元博士指出，經典陰影可用于有效預測許多感興趣的屬性，包括局部可觀測量的期望值和少體相關函數。基于經典陰影形式，他通過數學分析和實驗演示，對機器學習和量子物理交叉領域的兩個基本問題——“經典機器能否學會解決量子物理中的挑戰性問題”，以及“量子機器能否比經典機器更快地學習并更準確地預測”進行了回答。

　　北京大學教授，中國科學院國家天文臺研究員李柯伽，以《中國脈沖星測時陣列進展》為題進行主旨演講。他介紹了利用位于中國貴州省的五百米口徑球面射電望遠鏡 （FAST） 進行脈沖星計時研究的最新進展，其中，他重點介紹了在引力波探測和星際介質研究相關的科學課題。

對話環節

　　在“數學 – 數學洞察”專題研討會上，香港大學數學系講席教授，新基石研究員，2024未來科學大獎周程序委員會委員何旭華教授在致辭中對到場來賓表示感謝，并對演講嘉賓丁劍教授、劉一峰教授、Hiraku Nakajima教授、Efim Zelmanov教授的學術背景以及科研經歷進行了介紹。

　　北京大學講席教授，2023年概率論洛伊夫獎獲獎者丁劍以《從滲流看統計物理學》為題進行主旨演講。他描述了統計物理中的各種滲流模型，并重點介紹了相變、臨界現象以及無序效應，并概述了隨機場Ising模型和高斯自由場相關滲流模型的最新進展。

　　浙江大學數學高等研究院講席教授，2018年SASTRA拉馬努金獎獲得者劉一峰以《從自然數到無窮范疇》為題，介紹了抽象化思想如何將數學家們從簡單如自然數的概念帶到隱晦如無窮范疇的概念，以及這種抽象化的必要性。

　　東京大學科維理宇宙物理學與數學研究所（IPMU）教授，國際數學聯盟（IMU）主席Hiraku Nakajima，以《3d 量子場論和朗蘭茲對偶》為題進行主旨演講。他表示，近年來，其與Braverman以及Finkelberg合作，通過數學上嚴謹的方法研究三維超對稱量子場論 （QFT）。他們提出了構造具有群作用的仿射代數辛流形對（部分推測）的方法作為應用，其中第二流形的群由朗蘭茲對偶群代替。他表示，這些對的定義受Gaiotto-Witten的4d規范理論邊界條件的S對偶性啟發而來。正如Gaiotto以及Ben-Zvi、Sakellaridis和Venkatesh所指出的，這種S對偶性為3d QFT和朗蘭茲對偶性之間建立了新的聯系，即相對朗蘭茲對偶性。

　　南方科技大學深圳國際數學中心主任，美國科學院院士，美國藝術與科學院院士，中國科學院外籍院士，1994年菲爾茲獎獲得者Efim Zelmanov教授以《埃瓦里斯特·伽羅瓦與通信技術》為題進行了主旨演講。他介紹了法國數學家埃瓦里斯特·伽羅瓦的科研人生，并通過介紹數學的對稱性，以及現實生活中密碼學的數學原理，向觀眾闡述了數學的簡約之美及其科學魅力。

對話環節

　　在“計算機科學 – 人工智能與芯片”專題研討會上，香港科技大學講席教授，國際計算機學會（ACM）和電氣與電子工程師協會（IEEE）會士，美國科學促進會（AAAS）會士，2024未來科學大獎周程序委員會委員謝源在致辭中對到場來賓表示感謝，并對演講嘉賓Onur Mutlu教授、Gabriel Loh教授、汪玉教授、馬毅教授的學術背景以及科研經歷進行了介紹。

　　蘇黎世聯邦理工學院計算機科學教授，國際計算機學會（ACM）和電氣與電子工程師協會（IEEE）會士，歐洲科學院院士Onur Mutlu，進行了《以內存為中心的計算》的主旨演講。他指出，當前計算的瓶頸在于數據，現代機器的存儲、通信和計算能力難以應對海量應用數據，導致關鍵應用程序性能受限。Onur Mutlu闡述了現代架構的三大缺點，并提出設計智能架構應遵循以數據為中心、數據驅動、數據感知三個原則。他舉例說明了如何利用這些原則設計高效計算系統，并討論了兩種實現接近數據計算的方法：使用內存進行處理和近內存處理。研究表明，這兩種架構能顯著提升多種工作負載的性能和能耗，如圖形分析、數據庫系統、機器學習、視頻處理、氣候建模、基因組分析等。Onur Mutlu還探討了實現更智能架構的應用的思考，認為這是提高效率、性能和可持續性的關鍵。最后，他提出了未來計算架構和系統設計的研究機會和指導原則，為相關領域的發展指明了方向。

　　美國超威半導體公司（AMD）Senior Fellow，國際計算機學會（ACM）和電氣與電子工程師協會（IEEE）會士Gabriel Loh，以《在后摩爾時代提供人工智能算力》為題進行主旨演講。他表示，隨著前沿模型的大小和功能不斷發展，新興的人工智能和機器學習 （AI/ML） 工作負載需要更多的計算和內存。同時，半導體行業面臨著越來越多的技術挑戰，例如摩爾定律的終結、功耗的增加以及可能限制計算密度的傳統封裝約束。Gabriel Loh博士概述了包括模塊化芯片設計、高級封裝和異構集成，以及專業化和重用之間的謹慎平衡，并探討了協同優化、協同設計，確保架構和底層技術協同工作等一系列解決方案和方法，從而說明從計算架構出發，繼續擴展功能以滿足市場需求的思考。

　　清華大學電子工程系教授、系主任，電氣與電子工程師協會（IEEE）會士汪玉，以《面向AI 2.0時代的節能電路和系統設計》為題進行主旨演講。他指出，基于Transformer架構的大型語言模型（LLM）在各種應用中取得了出色的表現，標志著AI 2.0時代的到來。隨著模型參數的指數級增長，大型模型的計算、存儲和內存訪問開銷與傳統深度學習模型相比增加了四到五個數量級，導致算法要求和現有硬件平臺的能力存在顯著差異。汪玉教授回顧了AI 1.0時代的節能電路與系統設計方法，并介紹了AI 2.0時代面臨的新挑戰，以及LLM和擴散模型等AIGC算法。他重點探討了其與團隊基于GPU和FPGA的異構系統上的軟硬件協同優化方法，包括高效AIGC算法模型、推理框架和內核優化以及節能硬件IP。通過這一方法，可成功將大型模型推理的總成本降低了四個數量級。

　　香港大學人工智能講座教授、同心基金數據科學研究院首任院長、計算與數據科學學院首屆總監，美國計算機學會會士（ACM Fellow）、電氣與電子工程師協會會士（IEEE Fellow）和工業與應用數學學會會士（SIAM Fellow）馬毅，以《追尋智能的本質》為題，從歷史、科學和計算的角度闡明智能的不同層次和機制。首先，他回顧智能的進化，從系統發生，到個體發生，再到群體，再到人工智能，為準確理解過去十年機器智能看似巨大的進步與成就提供思考視角。同時，馬毅教授從壓縮數據編碼和解碼的角度為深度學習的實踐提供原則性的數學解釋，揭示了當前實踐的局限性，并為開發更正確、更完整的學習系統提供了自然的方法。最后，他通過澄清知識和智能之間的區別與關系，為人們開發真正自主的智能系統提供思考與啟發。