时隔16年Science再次发布“全世界最前沿的125个科学问题”

dolcnews

作者：DeepTech深科技
2021 年 4 月 10 日，Science 携手上海交通大学发布了 “新 125 个科学问题”，问题涵盖诸多领域。



图 | 上海交通大学联合 Science 发布 “新 125 个科学问题”（来源：sjtu.edu）
DeepTech 联系十几位专家和一线青年学者，针对部分受到广泛关注的新科学问题做了专访，以下是对一些 “新 125 个科学问题” 的解读：
天文学：现有技术阻碍人类探测地外文明




图 | 宇宙探索（来源：Pixabay）
关于人类能不能在另一个星球上长期居住，中国科学院国家天文台研究员 、中国科学技术大学兼职教授、中国科普作家协会副理事长郑永春表示，这取决于两方面的约束条件：
第一，地球环境的恶化程度和速度。
第二，是地球面临小行星和地外天体的撞击。
“在这个两个约束条件的前提下，我们才能够讨论是否需要到另外一个星球上生存。而到另外一个星球上生存也要解决在那个星球上寻找资源、开拓生存空间、改造环境的长期过程。所以，人类能不能移居到另外一个星球，还取决于人类是否有能力改造另外一个星球的环境。”郑永春说道。
肯定有一部分人作为人类的先锋去开拓其他星球。“我相信人类最终也会像从非洲走出大陆一样，来到欧亚大陆，然后进入太空，登陆月球甚至去往更遥远的星球，按照这样的一个过程来开展。” 他补充道。



图 | 银河系（来源：Pixabay）
谈及我们是不是宇宙中唯一的生命体？郑永春表示，“迄今为止还没有在任何其他的星球上找到生命，也没有找到另外一个像地球一样的星球。”
虽然宇宙中有很多星球像地球，但是只是大小相似，无法确定是否有氧气、磁场、液态水等。
“在这些生命形成条件还不完全清楚是否具备的前提下，我们很难预测那个星球上是否有生命，所以寻找地外生命的第一个前提就是寻找到像地球一样的行星，但是问题是我们离那些星球太远了，没有办法直接抵达那里去探测。” 郑永春指出。



图 | 火星表面（来源：Pixabay）
被问及是什么阻止了人类进行深空探测？郑永春说：“其实人类的深空探测并没有被阻止，但是载人深空探测跟无人深空探测，这两者之间的争议始终存在。”
载人深空探测，其一是技术能力的受限，这比无人深空探测要难得多；其二是成本也要高得多，所以关于要不要开展载人深空探测始终会存在争议。
谈及如何让人类走向更遥远的深空，郑永春说：“我觉得要找到发展载人深空探测的独特价值，比如，对经济发展，对其他技术的提升等等。与此同时，各国也在逐步开展载人深空探测的前期研究，比如，研制重型运载火箭、重复利用飞船等，中国也正在建设空间站，航天员进行长期太空生活，为载人深空探测积累经验。”
“再比如，一些国家也正在进行载人登月的论证，实际上也是在解决载人深空探测的一些技术瓶颈，如果这些技术能够得到解决，人类走向深空的道路就会更加通顺。”郑永春补充道。
人工智能：人机互融、可感知机器人是未来




图 | 人工智能（来源：Pixabay）
谈及群体智能是如何出现的，同济大学电子与信息工程学院副教授齐鹏表示，当我们研究单个智能体达到一定阶段后，我们会考虑多个智能体之间的配合与互动，相当于给研究增加了一个维度，这是 “从少到多” 的思考。事实上，在生物界中，群体的概念是无处不在的，比如鱼群、鸟群，也包括人群。群体之间存在的行为交互，从而形成了体现宏观群体的行为逻辑。
而从另一个 “从小到大” 的角度去思考，像文学作品中的美猴王，他的每一根毫毛都能化身为一个独立个体，而组合成一个整体后，其实又体现了一种功能的转变。群体智能在一些领域已经能看见其应用，包括军事上无人机编队、医疗机器人中纳米机器人等。



图丨脑机接口（来源：Pixabay）
我们可以和计算机结合以形成人机混合物种吗？齐鹏认为，与其叫人机 “混合” 不如叫 “相互融合” 更为恰当。人与计算机在生理或在机器上如果实现相互融合，将会是非常令人兴奋的方向。其实现在我们已经看到 “人机融合” 的成为现实的可能，比如各种可穿戴式电子设备、假肢、外骨骼、脑机接口等的应用。随着技术的发展，也许未来，某种智能化机器人能够跟人共生。所以，“人机融合” 在未来是有可能的。
是否有可能创建有感知力的机器人？齐鹏告诉 DeepTech，计算机在推算、记忆力、思考逻辑速度等很多方面已经超越人类。未来，机器人的情感是可以 “被操控的”，也就是一种与人类的情感互动，即共情。
然而，人类的情感有其复杂性，比如开心会分泌多巴胺，是一种 “化学反应”。机器人会做到和人类情感一样吗？齐鹏表示，机器人不会做到和人类情感一样的 “复制粘贴”，所以，这或许是一个 “黑盒子”。具体来说，在机器人识别某些信号后，通过逻辑器件或他的计算逻辑，进而可以表现出来与人类情感同样的表现，进而与人类进行高层次的情感交互。
总结来说，可创建有感知的机器人，但这种感知是一种基于逻辑上的推算、设置等表现出的 “假象”。所以说，机器人会有感知，但将与人类的有本质性的不同。
能源科学：人类必将迎来 “去化石燃料” 的世界




图 | 核电厂（来源：Pixabay）
我们可以生活在一个去化石燃料的世界中吗？
可再生能源利用专家、中国农业大学教授董仁杰表示，这是肯定是，也是必然的，原因如下：
首先，矿物燃料是有限的，去化石燃料不以人的意志为转移。当然，太阳能为我们提供充足的能量来源。随着科学技术的进步，还会有其他能源来源。
第二，月球上拥有核聚变能源原料。而且这一前景已经可以触及。
第三，发射到近太空的太阳能发电，可以为地球供电。电力的超远距离传输，是一个制约因素。
第四，地球表面上的太阳能发电和风力发电，可以提供大部分电能。问题在于这些电力的不稳定性。通过全球能源互联网，使全球能源互联网成为太阳能和风力发电的蓄电池。所有太阳能和风力发电都不会成为垃圾电。例如当美国黑夜时，中国在发电。
第五，当电力超远距离传输存在挑战时，通过当地的 power to gas 可以将 CO2 和 H2 转化为天然气，进入天然气管网。太阳能发电转化为太阳能生产甲烷。大气中的超量 CO2 可以称为太阳能甲烷的 C 源。海洋碳汇、森林碳汇可以不断蓄积和固定 CO2 而不需要担心人类的开采。
曹祥坤则表示，在短时间内有难度，但这是美好的愿景。在过渡阶段，既需要探索如何让传统化石燃料的使用更清洁，还需要大力扶持以太阳能、风能等为代表的清洁能源技术的研发。



图｜核能（来源：Pixabay）
氢能的未来是怎样的？
董仁杰告诉 DeepTech：“在可以预见的未来，是否有必要为氢能再建设一套输气管道或者罐车？一方面投资巨大，承受不起；更关键的是 H2 的爆炸危险。
在眼下可预见的时期，氢能有两种可行的利用途径。第一，在需要超高温的用能行业，例如冶金方面，氢能是非常优质的能源。第二，剩余的氢能，应该分散生产，就地转化为甲烷进入天然气管道。”
曹祥坤则表示，氢能的未来应该是绿色的，用绿色的方法制氢（比如太阳能光催化制氢）势在必行，也是实现碳中和目标的重要途径，如何实现系统的效率的提升，以及成本的降低，是绿色制氢取代传统制氢方式的关键，也需要更多的年轻的科研工作者投入到这一事业上去。
冷聚变有可能实现吗？曹祥坤说：“科学家对于室温下的聚变一直充满兴趣，但是这个领域的进展一直举步维艰。2019 年 Nature 上的一篇文章说到‘尚未产生任何确凿证据证明冷聚变效应’。虽然当前还没有发现冷聚变的明确证据，在短时间内有难度，但长远看来是可能实现的。”
信息科学：DNA 可以作为信息储存介质




图 | 信息科学（来源：Pixabay）
针对 “计算机的处理速度是否有上限？” 这一问题，上海交通大学计算机系副教授、博士生导师蒋力解释道，计算机从诞生之初至今，处理速度上已经发生了翻天覆地的变化，这得益于硅基的晶体管随着摩尔定律不断提高密度与性能，以及在其之上构建的计算机体系结构与软件生态。
蒋力表示，在未来十余年内，集成电路产业依然会按照摩尔定律持续推进计算机处理速度的提升。即使摩尔定律趋缓，一大批新工艺器件也将逐渐登上舞台，比如忆阻器，光子计算，甚至是量子计算。计算机的处理速度只要能带来庞大的经济效益，一定会推动人类科技，从而源源不断地继续推高计算机的处理速度。因此在当前讨论处理速度的上限还为时过早。
那么，“DNA 可以用作信息存储介质吗？”
围绕这一问题，蒋力回答道，“准确的说，DNA 已经作为生物遗传信息的存储介质已经很久了。作为信息存储介质，有几种关键要素，首先要能以某种高效的持续性的方式存储信息的编码。曾经也有人提出用一张多光谱颜色的纸来存储远大于硬盘容量的信息。单纯从存储上来说，的确是这样。”
他补充道，然而，信息存储介质更关键的是如何能高效地读出和写入数据。如果把生物病毒比作计算机病毒，不断侵入细胞，改写细胞 DNA/RNA 信息，从而复制自己进一步传播。那么，你会发现 DNA 作为介质所存储的信息具备快速 “读出” 和 “写入” 能力。
医学与健康 ：个体化医疗是努力方向




图 | 医学与健康（来源：来源：Pixabay ）
药物定制、个体化医疗是过去二十年以来医学界一直努力的方向。我们可以设计和制造出为个人定制的药物吗？
原中国医学科学院研究员、北京协和医学院教授王晨光认为，不能笼统地用 “能” 或者 “不能” 来回答这个问题。而是否可以设计和定制个体化药物取决于疾病是否有个体化特点。
具体来说，针对心血管病、2 型糖尿病这类影响范围广、患者基数大、但病因相对单一的疾病，通常不需要个人定制药物。此外，感染性疾病也不需要个人定制药物，像新冠疫情等感染性疾病，疫苗或者治疗性的抗病毒的药物是具有普适性的，不太因为个体之间的差异而表现出药效方面的差异。需要指出的是，不同群体（如老年人）在治疗策略上的差异不属于个体化治疗的范畴。
那么，具体哪类疾病个体化医疗可行呢？王晨光告诉 DeepTech，在肿瘤的免疫治疗领域已经开展了个体化医疗。像 CAR-T 疗法基基于患者自身的免疫系统和肿瘤之间相互识别的机制，用患者自身的、经过体外改造的免疫细胞作为治疗药物。还有一类适合个人定制药物的是一些单基因遗传性疾病。
比如，基因突变导致的遗传疾病有几千种之多，目前有针对性治疗手段的却非常少。个体化医疗为一些患者带来希望，但也存在一个问题，这类疾病往往患者数量太少，个人和社会难以承受高昂的治疗费用，存在社会效益方面的问题。
如何维持和调节免疫稳态？
王晨光表示，免疫系统作为人体的防御机制，存在着严密的调控网络，这使它能够在正常的生理条件下维持免疫平衡。正常情况下，当身体受到病毒感染或者细菌感染等外来抗原的挑战，就会启动特定的身体反应。但是，在特殊的情况下，这种免疫的稳态没办法维持。它会出现两种情况：一种是免疫功能不足，另一种是免疫过激。
那么，免疫稳态是如何维持以及被打破呢？王晨光告诉 DeepTech，因为在机制上认识不够深入，所以无论是免疫功能不足，还是免疫过度反应，针对具体的情况，调整身体特定的免疫细胞和免疫功能来应对这种疾病状态。
“例如，在癌症发生发展过程中，就认为是肿瘤细胞在这个过程中逃避免疫的监视，那么让身体的免疫系统重新识别肿瘤，达到杀伤和排斥肿瘤的目的，这是当前免疫治疗的一个重要的方向。”
王晨光表示，现在对于免疫过激类疾病通常是以控制症状为主。包括一些慢性的炎症性反应，还有过敏性的反应主要是以药物来缓解症状。“从这个角度来说，正是因为在机制尚不清楚，所以很难从根本上来解决免疫失衡的情况。到目前为止，还基本上没有太多办法。”
生命科学：基因编辑系统可帮助治疗特定疾病




图 | 基因编辑（来源：Pixabay）
关于 “基因组编辑将如何用于治疗疾病？” 这一问题，浙江大学药学院教授、博士生导师平渊回答道：“人类的疾病成因很复杂，对于一些遗传性疾病，例如囊性纤维化、苯丙酮尿症、杜氏肌不良症等等都是由于基因突变引起的，我们可以通过在目的细胞的基因突变位点，使用基因组编辑系统修复致病基因来治疗这些疾病。”
“然而，考虑到基因组编辑系统的安全性和修复效率，我们需要在目标器官、组织或亚细胞群中，实施基因组中突变碱基的精准修复。此外，由于目前的基因编辑系统会对基因组中突变碱基以外的正常碱基进行编辑（即 ‘脱靶编辑’效应），因此在治疗过程中可能存在潜在的毒副作用。” 平渊补充道。
平渊表示：“可特异靶向疾病部位、脱靶效率低的基因编辑系统，将在未来有可能成为治疗疾病的药物。例如运用可以靶向特定器官、组织或亚细胞群的递送载体，定向地实现在肝部、肺部等疾病部位对基因组进行编辑，来治疗相关遗传性疾病。相信在不久的将来，高效靶向病灶部位的递送载体及低脱靶效率的基因编辑系统，将会被开发出应用于人类的疾病治疗。”
神经科学：人工智能将帮助诊断和治疗精神类疾病




图 | 神经科学（来源：Pixabay）
我们可以治愈神经退行性疾病吗？
清华大学助理教授眭亚楠认为，目前部分神经系统疾病可以被有效地控制，从而显著改善患者的生活质量。但是，这离完全治愈神经系统疾病，还有一定的差距。
对于能否治愈神经退行性疾病的答案，取决于如何理解 “治愈” 的含义。
眭亚楠告诉 DeepTech，“如果治愈是指患者完全回到生病以前的状态，那么可能需要依靠新的神经再生技术才能实现，这是一个非常难的问题。而如果治愈是指患者能有比较好的生活状态，减少受疾病的影响，这方面预期会有较快的研究和临床进展。”
此外，精神障碍能否有效得到诊断和治疗？
“对抑郁症、自闭症等精神类疾病，现在很难对每位患者实现客观、精细的量化评价。临床上通常是由精神科医生在与患者谈话的过程中完成相应的精神量表评估，根据量表打分进行诊断。这个评估本身的客观性和有效性一直是学界前沿的热点问题。精神障碍的亚型诊断复杂，对症治疗也是很难的问题。” 眭亚楠说。



图 | 智能机器人（来源：Pixabay）
那么，是否能结合人工智能和机器学习来进行治疗的辅助支撑，实现个性化、定制化的精神障碍诊断及治疗呢？
眭亚楠认为，以人工智能为代表的先进计算技术可以帮助部分精神障碍获得更加精准的诊断。人工智能等先进计算方法结合化学、生物相关理论，有望实现药物和疗法的低成本快速筛选，使精神类疾病的精准治疗成为可能。精神障碍的有效诊断和治疗是一个有希望取得重大突破的领域，但实现安全、有效、精准、自动的诊断和治疗，还有很大的挑战。
数学：黎曼猜想真假未知




图 | 数学（来源：：Pixabay）
谈到素数为什么如此特别，科普作家卢昌海博士说，“素数的特别之处，首先体现在它的乘法分解性质上，很多正整数可以分解为其他（不同于它自己的）正整数的乘积，比如 15=3×5，1001=7×11×13 等。但也有一些正整数不能这么分解，比如出现在上述分解的结果里的 3、5、7、11、13 等。这后一类正整数，即不能分解为其他正整数乘积的正整数，就是素数。”
“素数的另一个性质，是所有大于 1 的正整数都可分解为素数的乘积，这个性质与刚才提到的定义性质合在一起，显示了素数一方面可用来（在乘法意义上）构造其他正整数；另一方面，则恰好是这种构造中的‘最小单元’，因为它自身不能进一步被构造。这种性质使得素数对正整数而言，就像是物质世界里可用来构造所有分子的‘最小单元’ —— 原子。” 他补充道。
“正是由于这些特别之处，素数对于数论乃至某些其他数学及自然科学领域都有着类似原子对于物质世界那样的重要性。” 卢昌海指出。



图 | 算法（来源：Pixabay）
问及数学界最大难题 —— 黎曼猜想是真的吗？卢昌海表示，“这个目前尚无人知晓。” 黎曼猜想从提出至今已有 160 多年的历史，其间虽然经过众多一流数学家的努力，却依然是数学中的 “未解之谜”，既没有人能证明其成立，也没有人能找到反例或以其他方式证明其不成立。
黎曼猜想所宣称的是一个被称为黎曼 ζ 函数的复变量函数的所谓 “非平凡零点” 全都位于一条被称为 “临界线” 的直线上。
卢昌海介绍了目前关于黎曼猜想已经证明的一些结果：
首先，“非平凡零点” 全都位于以 “临界线” 为中线的一个所谓 “临界带” 上。这个结果针对了所有 “非平凡零点”，却必须将 “临界线” 放宽为 “临界带”；
其次，至少有 41.28% 的 “非平凡零点” 位于 “临界线” 上。这个结果扣紧了 “临界线”，却只涵盖了不到一半的 “非平凡零点”；
再者，前 12363153437138（约 12 万亿）个 “非平凡零点” 全部位于 “临界线” 上。这个结果既扣紧了 “临界线” 也提到了 “全部”，却只是针对最靠前（所谓 “最靠前”，是指虚部的绝对值最小）的有限多个 “非平凡零点”，而黎曼 ζ 函数的 “非平凡零点” 有无穷多个。
卢昌海指出，“上述结果虽各有千秋，却都没能解决黎曼猜想。除上述结果外，还有一些其他类型或沿其他思路的研究，也都尚不能解决黎曼猜想。因此，我们目前还不知道黎曼猜想‘是真的吗？’。”
物理学：量子计算机的硬件需满足的三个条件




图 | 量子计算机（来源：Pixabay）
关于 “什么是量子不确定性”，对此，北京理工大学物理学院量子技术研究中心尹璋琦教授表示，“量子不确定性与非定域性问题，是量子物理的基本问题之一。量子不确定性告诉我们，对物理系统的测量是存在极限的。”
所谓 “鱼与熊掌不可兼得”，要想实现对系统位置的精确测量，就必须舍弃对动量信息的了解。
那为什么量子不确定性这么重要呢？尹璋琦指出，“正是基于这个认识，人们在设计和进一步提升引力波探测器时，使用了压缩光技术，使我们能够获得更加灵敏的引力波探测器。类似的技术也可以应用于超灵敏的质量、位移、加速度等物理量的测量，帮助人们进入量子精密测量的时代。”
提到量子计算机硬件问题，尹璋琦介绍，量子计算机硬件需要满足以下三个条件：
其一，量子信息能够方便的编码到其中的二能级系统中，这个二能级系统被称为量子比特，其存储量子信息的时间要足够长，远长于完成单个量子逻辑门的时间。
其二，量子比特需要能迅速地被初始化到 0 态，且其状态能高效读出。
其三，也是最关键的，量子比特数目能够很高效扩展到几百、几千乃至更多。
关于未来量子计算机硬件的发展趋势，尹璋琦表达了自己的看法，他说：“经过二十多年的发展，目前看来，超导电路和离子阱系统最被人们看好，硅基量子点和单光子系统也是很有希望的技术路线。”
尹璋琦表示，经典电子计算机技术之所以能以指数发展几十年，最关键的是高效迭代。电子计算机的计算能力与硬件设计和制造能力相互促进。量子计算机的最优硬件也得实现高效迭代才行。
工程与材料科学：人类或可突破当前能量效率转换极限




图 | 太阳能电池（来源：Pixabay）
关于 “我们如何突破当前的能量转换效率极限？” 这一问题，加州大学洛杉矶分校化学与生物化学系助理教授刘翀谈道，“我假设这个问题问的是关于光伏电池的效率极限。理论上，现在的光伏太阳能电池的效率极限是被 Shockley–Queisser limit 所限制的。”
刘翀表示，这个极限的一个主要假设是一个光子产生一个电子空穴载流子对，并且所产生的载流子对在能够被利用之前和周围的环境处于热平衡。
“针对以上假设，一种人们所尝试的方向就是设计体系让一个光子产生超过一个电子空穴对（Multi-exciton Generation）。另一个方向就是让载流子对在热平衡丧失多余的能量之前被利用，即利用热电子或热载流子（hot electrons or hot carriers），这两个方向都是现在研究的前沿。” 刘翀补充道。
生态学：目前人类无法有效阻止气候变暖




图 | 生态学（来源：Pixabay）
关于生态学领域的问题，DeepTech 采访了以下专家：北京大学环境风洞实验室主任林官明、中国农业大学教授董仁杰、中国地震台网中心研究员孙士鋐、北京化工大学材料科学与工程学院教授苑会林。下面是问题和回答：
我们能把过量的 CO2 存到何处？林官明表示，可通过光合作用转为有机碳，前提是需要降低人类利用生态系统的强度，允许生态系统自然恢复。还可设法将 CO2 储存在低纬度海洋深处，但其成本要远高于种树。
董仁杰则认为，回答这个问题的前提是捕获了 CO2。CO2 是重要的 C 原料，不应该贮存而应该利用。目前可以预见的利用途径，除光和转化之外，还有两个。一个是催化转化，一个是生物转化，将 CO2 和 H2 合成为碳氢化合物，例如甲烷、甲醇等。总之可以说，将过量的 CO2 贮存到碳氢化合物中，作为能源和化工原料。
那么，我们可以阻止全球气候变化吗？林官明认为，从目前的生产生活方式还看不到阻止气候变化的可能，森林依然在大规模消失，碳循环中排入大气的碳 (以 CO2 为代表) 超过绿色植物能吸收的碳，大气中的单质氮也在降低，它以如离子形式的铵而存在。
如果地球上所有的冰融化会怎样？林官明的观点如下：所有的冰都融化，必然会出现大洪水，只有海拔高处的物种才有机会幸存，它们还得能够适应比较极端的气候，因为那时地球的气温会很高。若这部分能量来自地球外部，那就意味着其它天体跟地球的撞击，若这部分能量来自地球内部，那就意味着地球自身内部发生了剧烈变动，这两种情况均会造成大规模的物种灭绝。想象中，能导致全球性冰融化的事件大概率是地球外部天体的撞击。所以，这个问题其实更应该问是什么导致了全球性的冰融化。
我们是否能够更准确地预测灾害性地震？孙士鋐说，对于某些类型的灾害性地震我们能够更准确地预测，但要做到对所有灾害性地震，尤其是巨大灾害性地震的准确预测，目前看是不可能实现。
这是因为：
第一，地球内部对人们来说是一个黑箱。人们利用地震波探视到地球内部物质的信息有限，而地震发生在地表以下几十至几百公里的深处，无法得知那里的状态。
第二，巨大灾害性地震是小概率事件，科学研究很难持续性进行。可能其后再无发生类似事件，所以科学的探索必然是短暂的。
第三，预测巨大灾害性地震的风险太大。
此外，我们可以创造一种环保的塑料替代品吗？苑会林说：“再没有一种材料能比塑料更环保。一般塑料可以再生，生物降解塑料可以在自然界分解不会给世界带来污染。相比木材料纤维素材料，需要消耗自然资源，造纸要污染水，并不是塑料的替代品。”
化学：塑料不是废物，回收有利于人类




图 | 化学（来源：Pixabay）
针对 “我们如何更好地管理世界上的塑料废物？” 这一问题，北京化工大学材料科学与工程学院教授苑会林说：
“塑料的最大特点是可以再生再利用，不存在废物一说。现在废塑料的污染，特别是海洋污染从属于人的行为不检点造成，与塑料本身没有太大的联系。规范人们的生活习惯、培养良好的素质，可以避免塑料废弃物品对自然界的污染。从多方面下手多考虑塑料回收，利于全人类。”
科学问题不会永远是没有答案的问题，但永远会有新的科学问题。这些科学问题与人类的发展息息相关，它们提出和解决是人类社会发展的重要动力。DeepTech 将会继续关注科学领域的前沿问题，聚焦新科技和科学家，助力人类在科学赛道上的长跑。