乔治帕里西论生物学与统计物理学相遇之美妙！2021年诺贝尔物

　　北京时间10月5日下午5：45左右，2021诺贝尔物理学奖评选结果揭晓美籍日裔气候学家真锅淑郎
　　（SyukuroManabe）、德国海洋学家克劳斯哈塞尔曼（KlausHasselmann）以及意大利理论物理学家乔治帕里西（GiorgioParisi）
　　因其在复杂物理系统研究领域所作的卓越贡献而被授予2021年诺贝尔物理奖。
　　真锅淑郎和哈塞尔曼分享其中一半的奖金，因其建立了关于地球气候的物理模型，量化了可变性，并可靠预测了全球变暖情况。
　　帕里西分享另外一半奖金，因其发现了从原子到行星尺度的物理系统中无序与波动的相互作用。
　　《世界科学》杂志曾发表过乔治帕里西统计物理学和生物学的译文。值此颁奖之际，让我们一起重温这篇文章，从中或可窥见他的科学选择。
　　从左至右依次是真锅淑郎、哈塞尔曼和帕里西生物学和物理学之间的关系一直是十分密切的，而且有时还是令人不安的。20世纪内，许多物理学家转到生物学上开展工作。其中最著名的有弗朗西斯克里克他曾和沃森一起共同发现了脱氧核糖核酸的双螺旋结构还有马克斯德尔布吕克和索尔瓦托卢里亚他们由于突变方面的工作而荣获诺贝尔奖
　　（此时此刻乔治帕里西也已荣获诺贝尔奖）
　　。这些科学家在改变了他们的研究领域以后，以和其他生物学家一样的方式进行工作，然而他们只是把物理学的训练应用于一个大大缩减的范围里。
　　介于生物学和物理学之间的学科是生物物理学，在该学科中物理学往往被看作是为生物学服务的工具，在生物化学中也存在类似情况。在这些学科中，虽然化学和物理学对所发生的事件提供了最底层的解释关于分子和分子力的解释，但是它们所应用的范围依然被限于生物学的框架内。
　　现在这种情形正在发生改变，物理学家正在利用物理学方法和在理论物理（例如统计物理学）上的进展来研究生物学的某些基本的问题。
　　当代物理学
　　物理学的一个主要内容是发现自然界的基本定律，也就是物质的基本结构和相互作用力。近50年前，人们对原子核组成部分（质子和中子）的结构和核力的起源是知之甚少的。围绕着夸克是不是质子的组成部分的问题曾展开过热烈的争论，当时对于在这些假想的夸克之间所存在的作用力的性质也没有清晰的概念。
　　如今，人们已经知道了关于夸克和它们之间相互作用的几乎全部内容，物理学的定律在从原子核到银河系的范围内似乎都行之有效，大多数科学家并不指望未来还会提出许多令人惊奇的问题。然而，在远小于原子核和远大到如同宇宙的尺度上，还有许多问题有待人们去探索。在物理学中如今尚未被阐明的也可能是最大的奥秘就是引力的起源和它们在很短力程上的行为。这是一个很困难的问题，因为关键性的实验会包含许多粒子，它们具有的能量将比目前在实验室里所能产生的粒子能量高达几十亿倍之多。但是，在那些影响着人类正常活动的范围内，从基本粒子物理学到星体演化的研究，我们已经有了一种对自然界定律的令人满意的表述方式。
　　然而，只是了解那些支配着系统组成部分行为的定律并不一定意味着认识了整体的行为，例如，从水分子的相互作用力是难以得到为什么冰比水轻的解释的。这类问题的答案只能来自统计力学。这门学科是19世纪后期从玻耳兹曼和吉布斯的研究中发展起来的，它运用概率方法而不是采用确定个别粒子轨道的方式来研究多粒子的系统。
　　统计力学已经提供了对集合行为出现的最充分的可能的认识。对少数几个原子，我们无法说出它们是否会形成固体或液体，也说不出相变温度是多少，只有考虑由许多原子组成的系统时更确切地说，只有原子数目趋于无穷多时这些结论才会变得很精确。
　　统计力学的这种预言能力几十年来有了极大的增强，无论是进行细致的理论分析或通过计算机的应用都是如此。特别是，从对所谓无序系统在这些系统中定律是由机遇来选择的的研究中已经得到了许多有趣的结论。
　　计算机的影响
　　计算机已经引起了理论物理发生很大的变化，过去曾被认为是不可能的艰难的工作现在已经变成了例行公事。如果我们想从理论上计算出某种气体（例如氩气）的液化温度，而且也已经知道了原子之间作用力的具体形式，那么我们只有在非常粗略的近似条件下通过简单的计算才可以得到对液化温度的预言。这种预言与实验数据是不会完全相符的。改进理论预言以求与实验结果附合得更好的唯一方法就是逐步地消除近似，这类理论探索以微扰论而著称，它会导致极为复杂和冗长的计算，它们可以由手工完成，在必要的时候，则由计算机来进行。
　　随着计算机强有力地广泛应用，正在逐渐形成的新的研究方法不再对粒子的运动作出近似，而是精确地计算出粒子的运动轨道。
　　例如，我们要以模拟出被放在一个可变尺寸的方盒中的某一定数量（例如8000个氩原子）氩原子的行为，而且观察它们发生什么变化氩原子的表现像液体还是像气体。这种模拟的计算机负荷是非常巨大的。我们必须计算8000个粒子在足够长的时间内遵循的轨道以消除对初始构型的依赖关系。这样一种探索没有计算机是不可想象的。
　　模拟之所以令人感兴趣的原因之一是人们可以模拟出理论上比较简单的系统，虽然这种系统在自然界中并不存在。因此，模拟变成了研究新理论的最初的实验室。这些新理论当然无法在现实的、非常复杂的世界中直接得到验证。人们的最终目的是要把这些理论应用于实际问题，但是只有当理论本身已经足够稳固而且与模拟结果比较已得到确认以后才可能做到这一点。
　　生物学的困境
　　生物学面临着一些由最近令人惊奇的进展提出的问题。在分子生物学和遗传工程中的进展已经提供了基本生物化学机制的详尽的认识。我们知道了细胞膜分子的特性，这些分子以一种化学接收的方式收到由其他细胞送来的信息；我们也知道这个信息是怎样经过某种化学反应链被传递到细胞核上的。人类基因组计划（HGP）已经完成，人类基因测序技术已经有了长足的发展，但充分地开发这些结果的困难在于在基础的化学反应的知识和生命有机体整体行为的认识之间还存在着很大的差异。
　　例如，大肠杆菌是一种在长度上小于一个微米的细菌，大量存在于人类的肠道中。大肠杆菌包含300种不同类型的蛋白质，这些蛋白质有着强烈的相互作用。一些蛋白质在细胞的新陈代谢中起着主要的作用，其他的蛋白质则通过禁阻它们的合成或激励合成的方式调整这些蛋白质的产生。操纵子和抑制基因蛋白质的合成本身受着其他蛋白质的控制。我们甚至有可能去认识这些蛋白质的功能以及控制它们合成的机制。我们也可能设想，在近几十年内，我们可能借助于每种化学成分的总量和它们的空间分布得到一个庞大的计算机程序，它可以成功地模拟出真实的大肠杆菌细胞的行为。
　　我们可以最终认识各种反馈回路，但是这并不表明，这样的探求能使我们把握住系统作为一个活的有机体表现出整体行为的基本的理由。换言之，即使我们成功地以具有N个变量的一组微分方程对一个单细胞的活的有机体实行模型化，我们仍然必须以比数值模拟更加精巧的技术来约简系统行为整体上的特征。这就是一个与在统计力学中完全相同的问题，在统计力学中，运动定律的知识并不直接提供集合行为的一种认识，因此，人们可以设想，一旦分子生物学的技术达到了足以了解分子现象的详尽的水平，那么利用类似在统计力学中应用的方法应该可以得到整体行为（以至生命）的一种认识。
　　相同的问题也存在于在研究脊椎动物大脑的较高的层次上。我们不久就可能了解个别神经元行为的所有功能上的细节，但是这个信息还不能使我们理解以一种无序方式联结起来的几十亿个神经元是怎样构成能思考的大脑的。
　　对许多生物系统，例如研究细胞中蛋白质综合的动力学，个体发生、自然演化和在哺乳动物中的内分泌平衡都可能采用类似的探讨方式。所有这些系统的一个特征在于，它们都由许多不同类别的成分组成，这些成分在或多或少复杂定律的基础上发生相互作用。这样的系统有着许多反馈回路，使集合行为保持稳定。在这种情况下，传统的化简观点似乎不起什么作用。
　　生物学面临的问题是怎样从基本结构行为的认识转到演绎得出系统的整体行为。本质上说，这也就是统计力学面临为相同的问题，这也就是为什么人们试图把在研究由许多不同种类的组成部分构成的并服从随机选择的定律的物理系统中发展起来的相同的技术应用于生物系统的原因。无序系统复杂行为的理论因而有可能被用于研究生物的复杂性。
　　机遇和必要性
　　确定性和机遇的这种结合在我们研究一个单体时就可以被看出。例如，两个孪生儿的大脑如果不放在显微镜下仔细研究就可能被看作完全相同，但是，神经元的位置和联结是完全不同的。单个神经元是在头盖骨的一部分中产生出来的，以后又迁移到它们最后的位置上而且发送神经纤维，这些神经纤维把它们本身附加于神经元所到达的第一个靶子上。没有关于单个细胞的特定讯号，这样一个过程必然是不稳定的，因而最轻微的扰动就会导致系统具有完全不同的结果。
　　神经元和它们在脑中联结的安排是一个无序系统的极好的例子，那里有着一个确定性的遗传上控制着的组成部分（在两个孪生子的脑外部形式、重量、可能还有内分泌平衡中是完全相同的）和一个机遇成分，后者在孪生子之间也是有差别的。
　　利用来自无序系统统计力学技术的必要性还在于生物系统与外界有着很强的相互作用，而且这个作用既具有确定性的成分又有着机遇的成分。例如，人们的脸部有着一个不变的成分（它们是脸），但也有一个变量成分（机遇），这个变量成分就是每个人的脸部特征，在生物学中应用无序系统的统计技术所取得的最大成就是对神经网络和它们作为记忆功能，回忆以及相继识别多神输入的能力的研究，这不是偶然的。被回忆事件的机遇特征反映了在各种神经元之间突触生长的随机性质，因此是一个无序的突触结构。在这个领域内，已经形成了辅助记忆的各种模型，它们的动力学已经在理论上被得到很好的认识，人们已将分析的足够的水平达到了开始将理论的预言和来自单个神经元活性记录的实验数据加以比较的程度。
　　趋同性
　　试图把物理学和生物学综合起来需要在物理学家和生物学家的观念上来一个转变。长期训练的结果使理论物理学家趋向于更多地涉及一般性原理（例如，试图去理解一个仅仅是约略相似于大肠杆菌的系统怎样才能把它看作是活的系统），而生物学家则一直拘泥于什么是活的系统，也就是去认识真实的大肠杆菌，而不是在自然界中不可能产生出来的假想的系统。
　　物理学有着一种擅长简化的传统而且趋向于把注意力集中于某些方面并略去其他成分甚至基本的成分。现代的物理学是随同伽利略一起诞生的，他创立了略去摩擦力的力学，尽管摩擦力是日常生活的一个基本的成分。一个不受任何力作用而且沿均匀的直线运动的物体是一个纯粹的抽象概念。
　　物理学家早就认识到他们正在研究的是一个理想的、简化了的世界。当统计力学的技术被引入来研究神经网络时，人们采用的仍然是这种研究方式。数学物理技术只是使人们能够去研究那些相互作用是对称的那些系统在神经网络中神经元A对神经元B的影响等同于神经元B对神经元A的影响。在这种情况下，系统的行为表现得非常简单，振荡和混沌的行为都不可能出现，这个对称的假设从生理观点上看是错误的。然而它的引入可以允许人们以一种能够入手研究的方式找出问题所在，以后再利用在这种研究中得到的结果，人们可以去除对称的假设以建立起神经网络的一个相对现实的模型。
　　物理学是一种公理性科学（由实验选择的公理），在物理学中所有的定律都是从少数基本原理中演绎出来的（即使具有困难也是如此）；而生物学是一门历史性的科学，在生物学中所研究的是在这个行星上历史的产物。
　　科学上这些不同的概念使得物理学和生物学的协同会产生许多问题，但不是不可能的。在生物学中应用物理学的新方法正在跨出第一步。进展是缓慢的，这是由于许多问题在技术上是困难的，在理论上一直未得到解决。
　　我相信引入概率技术来研究生命物质特别是在根本上存在着随机成分的那些系统中是至关重要的。真正未知的是基于研究无序系统的数学物理技术是否将成为认识活的有机体的动学的概念框架。
　　本文发表在《世界科学》杂志1995年第1期上，由朱鋐雄编译，部分内容有更新
　　END