8歲讀完高中15歲拿下物理博士下一站:永生

2026-05-02 | 來源: 新智元 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

論文中，Simons的研究重點是，當外來物質被引入這類系統時會有何表現。

他還研究了物質“超固體”相：同時具有超流體性（極低粘度）和結構固態性（高粘度）的矛盾狀態。

聽起來極其抽象？

但這類研究，恰恰是“量子計算”和“精密測量技術”的基礎。

這一切研究，都是在為未來打地基。

Simons表示，“我選擇物理學作為我的專業，是因為在我看來，要徹底理解宇宙，就必須通過物理學”。

死亡這張“拼圖”，用AI去解

答辯結束後，Simons幾乎沒有給自己留任何休息時間。

他直接飛往德國慕尼黑，進入慕尼黑大學（LMU），正式啟動了第二個博士項目。

為什麼選AI？不言而喻，AI正在重塑整個生物醫學研究的底層邏輯。

醫學影像分析、癌症早期檢測、蛋白質結構預測——這些曾經需要數十年的工作，現在被AI系統壓縮到了以天甚至以小時為單位的時間尺度。

而西蒙斯要把這種分析能力用在一個更宏大的目標上——理解衰老的生物學過程。

他特別提到了一個方向：人工器官。

我對創造能夠替代退化身體部件的工程化系統特別感興趣。

說白了就是，當你的心臓、肝臓、腎臓因為衰老而報廢時，用工程手段造一個新的裝上去。

Simons的判斷是：這不是一個靠天才就能解決的問題，這是一個靠智能規模才能解決的問題。他計劃用AI做三件事：

第一，跨學科數據融合。

把分散在生物學、物理學、化學、醫學各自文獻庫裡的衰老相關數據，用LLM做結構化整合，找到人類研究者看不到的跨域關聯。

第二，假說生成與驗證加速。

"地圖政變"開始?美共和黨恐爽拿下眾院262席

太驚悚博士留學生雙屍案細節曝光

美國華盛頓州一高中發生傷人事件,5人受傷

傳統生物醫學研究的瓶頸不是實驗能力，是假說質量。

大多數實驗室花80%的時間在驗證低質量假說上。

AI可以通過大規模文獻分析和分子模擬，在實驗之前就過濾掉不靠譜的方向。

第三，藥物與幹預手段的計算篩選。

抗衰老藥物的候選分子空間是天文數字級的，傳統高通量篩選太慢太貴。

AI驅動的分子設計和虛擬篩選，可以把這個過程壓縮幾個數量級。

人類永生，能成嗎？

Simons的方向並不孤立。

過去兩年，AI在生物醫學領域的進展已經從“概念驗證”走到了“產業落地”。

AlphaFold解決了蛋白質結構預測的五十年難題。Isomorphic Labs用AI設計的藥物分子已經進入臨床前階段。

Insilico Medicine用AI從靶點發現到臨床候選藥物只花了18個月，傳統流程通常需要4-5年。

Simons的獨特之處在於，他沒有從AI出發去找生物學應用，而是從物理學出發去重構衰老的底層模型，再用AI來加速這個重構過程。

量子物理的訓練給了他一個大多數生物學家沒有的工具：用第一性原理思考問題。

不是在現有框架裡修修補補，而是追問——衰老的信息論本質是什麼？細胞層面的熵增是否可逆？生物系統的量子效應在衰老中扮演什麼角色？

這些問題聽起來像科幻，但在量子生物學領域，它們已經是嚴肅的研究課題。

能不能成功？

Simons說，可能要用一輩子來回答。

一個15歲的人，願意把一生押注在一道沒有標准答案的題目上。

這本身，就已經是一種回答。