數據物理學家的興起

數據規模進一步擴大，科學教育需要反映這種變化。

傳統來說，許多物理學家將自己分作兩個相互斗爭的陣營：理論物理學家和實驗物理學家。阿爾伯特 · 愛因斯坦建立廣義相對論，而亞瑟 · 愛丁頓（Arthur Eddington）觀測到廣義相對論“彎曲”星光；默里 · 蓋爾曼（Murray Gell-Mann）和喬治 · 茨威格（George Zweig）構思出夸克概念，而亨利 · 肯德爾（Henry Kendall）、理查德 · 泰勒（Richard Taylor）、杰爾姆 · 弗里德曼（Jerome Freidman）及他們的團隊探測到夸克。

在粒子物理學中，這種分歧尤其明顯。想一想希格斯玻色子，1964年被人提出，到2012年被人發現。從那時起，物理學家一直試圖徹底檢查希格斯玻色子的性質，但理論物理學家和實驗物理學家不直接分享希格斯玻色子的數據，他們花費許多年的時間來爭論該分享什么，該如何安排。（現在有了一些共識，但進展舉步維艱。）

然而，這個二元對立的局面中有一位失蹤的玩家。到底是誰在促進理論和實驗之間的數據流動？

傳統上，實驗物理學家擔當這個角色，他們運行機器，審視數據，但在高能物理學和許多其他子領域，數據量實在太過龐大，使得這個過程完全不可行。研究者不能光用眼睛看一下加速器中發生的若干事件就得出結論。譬如，在大型強子對撞機中，每秒發生大約10億次粒子對撞，傳感器偵測和處理這些事件，再存儲在大型計算系統中。而且不只是數量驚人，這些數據全都極其復雜，用計算機模擬更是難上加難。

換言之，這些實驗產生海量數據，超出任何人用傳統工具可能分析的程度。而且那些工具無論怎么看都不算完美，需要研究者把許多復雜事件歸結成若干屬性，比如某個給定能量下的光子數。許多科學真相就這樣被遺漏了。

作為對于這個難題的回應，在高能物理學和其他子領域（比如核物理學和天體物理學）中出現一種壯大的態勢，試圖分析復雜的完整數據，讓數據為自身說話。這個領域的專家使用前沿的數據科學工具來決定保留哪些數據，舍棄哪些數據，并從中發現模式。

特別地，機器學習已經使得科學家能完成他們以前無法做到的事。譬如，在搜尋新粒子（比如那些可能組成暗物質的粒子）時，物理學家不是尋找不可能的單個事件，相反地，他們尋找那些發生頻率比原本情況更高的事件。這是個困難得多的任務，需要龐大規模下的數據分析能力，而機器學習已經給予物理學家優勢。

如今，那些管理粒子加速器控制室的實驗物理學家極少是機器學習工具的開發者。前一類人當然是專家，畢竟，對撞機由他們負責運行。但是，在這些大規模的項目中，沒人能負責全部工作，大家還是各有所長，專精于某一方面。在粒子加速器運行之后，數據專家就進場了。

數據專家不是傳統意義上的理論物理學家，也不是傳統的實驗物理學家（雖然許多人自認為是理論物理學家或實驗物理學家）。但他們早已出現，橫跨不同陣營和領域，給物理學提供無價的東西。

目前，這一群雜湊的人沒有明確的名字。他們是數據科學家、專攻某一領域的物理學家或統計學家，他們習慣性地跨越多學科。我們是時候認識到，這群人是獨一無二的，有著一套工作方式、訓練體制和技能。（值得注意的是，數據物理學與計算物理學互不相關。在計算物理學中，科學家運用計算來應對資源限制；在數據物理學中，科學家對付數據隨機性，使得統計學——你可以稱之為“物理統計學”——成為方程式中一個更加重要的部分。）

正名給予影響力和正統性，也會影響未來的物理學家受到教育和資助的方式。許多學術領域努力獲得這種認可，譬如生物物理學，它在數十年里遭受冷落，一直因為兩個科學分支不太可能結合而尷尬地存在。如今，它已是一個羽翼齊全、充滿活力的分支領域。

現在是數據專家們大顯身手的機遇期，而且這些專家需要一個清楚明白的身份——“數據物理學家”。不像傳統的實驗物理學家，數據物理學家大概不會有多少實際操作儀器的經驗。他們大概不會花費時間來將探測器部件焊接成一體（這是受訓中的實驗物理學家的一種典型經驗）。他們也不像理論物理學家，也許對于課程作業之外的基本物理學計算沒有多少經驗。但是，數據物理學家擁有理解和詢問數據的核心技能，在數據科學、統計學和機器學習方面有扎實的基礎，也熟悉研究的計算背景和理論依據，從而能把數據關聯上底層的物理學性質。

鑒于高能物理學領域內外的實驗產出的海量數據，數據物理學家有著為他們量身打造的工作。他們的努力轉而會促進新的實驗方法的研發，在現今，這些方法常常得自更簡單的合成數據集，它們并不完美地對應于真實世界。但是，缺少一批能夠用新工具（譬如機器學習）來靈巧地處理問題的熟練科學家的話，這些數據會得不到充分利用。從這個層面上來說，我不僅僅是在為名稱認可而爭辯。我們需要識別和訓練下一代數據物理學家來處理我們眼下擁有的數據。

怎么做？首先我們需要有專業培養路徑。大學應該在研究生院制定培養數據物理學家的計劃。我期望數據物理學家有著扎實的物理學背景，在統計學、數據科學和機器學習方面接受廣泛的訓練。以我自身的學術之路為例：我作為一個碩士研究生學習了粒子理論的計算方向，在博士生時修讀了許多門統計學課程，這使得我自然而然地踏入到物理學和統計學/機器學習之間的跨學科研究中，也就身處在理論物理學家和實驗物理學家之間。

專業的教育是個開始，但研究領域也需要有終身教職的崗位和資助。有一些讓人看到希望的跡象，包括最近幫助學術機構啟動“人工智能研究所”的聯邦資助將專注于推進這個領域的研究。盡管這樣的投資激勵了跨學科研究，但它們不支持新的院系，至少是不直接支持。假如你不在接受這些資助的大型科研機構中，那么你就交不到好運。

這是小規模資助必須進入的領域，包括資助個別研究團隊而不是資助特定實驗。這件事說起來容易，做起來難，因為典型的團隊撥款（首席研究員利用這筆資金來資助自身、學生或博士后人員）迫使申請者遵守傳統的學科劃分：要么是理論，要么是實驗，沒有第三者存在的空間。美國能源部聲望在外的青年科學家獎（Early Career Award ）也是如此，申請表格上沒有一個勾選“跨學科數據物理學”的方框。

盡管調整資助的方式很難，但它實現起來可能比態度上的改變更加容易。物理學家也許因為許多人類最偉大的發現而聞名，但他們也因為對于跨學科科學的排斥猜疑態度（假如不是完全的純粹主義者的話）而臭名昭著。從其他領域借得工具、獲取靈感的物理學——譬如生物物理學中的細胞概念或者數據物理學中的機器學習——常常被貶低為“不是真正的物理學”。這當然是錯的，它還是一個糟糕的策略，失去杰出的物理學家的一個方法就是嘲弄他們。

并非所有人都持懷疑態度，事實上，更多人感到激動。在美國物理學會內部，數據科學專題組（GDS）正在迅速成長，也許不久就會變成數據科學分部，反映出這個領域在物理學中越來越重要的地位。我本人對于與數據直接打交道感到激動，這點激勵我變成一位“實驗物理學家”，不過我現在意識到這個標簽的局限性。

在我們可獲得的數據增長的同時，我們對于數據物理學家的需求也在增長。讓我們從喊出他們真正的名字開始。接著，讓我們做辛苦的工作：教育、訓練和資助全新一代的卓越物理學家。

資料來源 Advancing Physics

本文作者本杰明 · 納赫曼（Benjamin Nachman）是勞倫斯伯克利國家實驗室的一位科學家，他領導了基礎物理學機器學習團隊，同時也是加州大學伯克利分校數據科學研究所的兼職科研人員