10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton，以表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明。两名获奖者利用物理学概念构建方法，推动了人工神经网络的发展，为智能计算世界揭开新的篇章。10月9日，诺贝尔化学奖颁布，其中，一半授予David Baker，以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予Demis Hassabis和John M. Jumper，以表彰其在蛋白质结构预测方面的贡献。

10月11日中午，由南京大学匡亚明学院主办的“匡谈诺奖 智领前沿”诺贝尔奖解读学术交流活动在C207会议室顺利举行。本次活动特邀南京大学化学学院郑鹏教授，南京大学物理学院陈伟教授、刘尔富教授、张志旺教授、潘书宁博士解读诺贝尔化学奖、物理学奖并分享科研体会。匡亚明学院党委书记周媛，院长助理邹大维，党委秘书司林敏，辅导员陈丹及学生代表近40人参加活动。活动由匡亚明学院党委副书记周安主持。

周安致欢迎辞。他对五位分享嘉宾的到来表示热烈欢迎与感谢，介绍了本次午餐会的背景和目的，并指出学院会不断提供更好的学术资源和交流平台，激发同学们对科研及人工智能的兴趣和热情，更好地促进学科交叉与拔尖创新人才培养。

郑鹏对诺贝尔化学奖的突破性成果进行了详细解读，并结合自身科研经验，分享了学术创新的重要性。他表示，蛋白质是生命执行各类生理功能最重要的生物大分子, 在维持身体结构、促进代谢、支持免疫系统等方面发挥着至关重要的作用。我们现在利用人工智能模型可以预测蛋白质结构并从头设计和优化蛋白质，这给人类带来了极大的益处。他指出，本次诺贝尔化学奖首次颁发给人工智能方向，意味着这一学术领域的重大开端，他鼓励匡院学子志存高远，保持自信，打牢基础，不断努力，创造未来。陈伟、刘尔富、张志旺和潘书宁随后分别交流了诺贝尔物理学奖的获奖成果及人工智能的贡献，并从各自研究领域出发，为匡院学子们传授了如何应对当今科研挑战的宝贵经验，建议同学们但行好事，莫问前程，敢于走出舒适圈，勇于挑战，拓宽视野，保持一颗平常心。

为进一步营造本科生的学术氛围、助力拔尖创新人才培养，同时表彰和感谢相关学科老师对学院人才培养和科学研究工作的支持，学院聘任四位老师为学院本科生学术导师。周媛和周安为学术导师颁发聘书。

最后，周媛作交流会总结。她谈到，本次学术交流会内容严谨丰富，科学性强、参与度高，及时有效地让学院师生了解到人工智能技术的前沿科技，激发了同学们学术热情和创新潜能。她强调，高远理想、兴趣牵引、背景交叉、知识互通、国家需求、严谨态度是成功路上的重要奠基石，鼓励同学们在科研中紧跟国际前沿，时刻保持热情、积极探索、砥砺奋进，未来更好地服务国家、报效人民。

交流会结束后，同学和老师们积极交流。通过交流进一步拓宽了同学们的学术视野，增强了做好科研的信心。本次午餐会学术交流活动，不仅让同学们对诺贝尔科学奖的最新成果有了更深入的了解，也让同学们看到了人工智能在科学领域的前沿应用和广阔前景。

据悉，本学期学院已开展了四期“三室一厅”主题教育活动，期期精彩，学生报名踊跃，会场坐无缺席。虽然时间短暂，但大家兴趣盎然，气氛热烈，同学们收获颇丰。未来学院将继续围绕立德树人根本任务，深入推进“三室一厅”工作，进一步优化育人环境，提升人才培养质量。

【学生代表参会感言】

23级研究生武子扬：

很开心能够参加午餐会学术交流，听了几位老师分享之后我感受颇多。今年诺贝尔物理学奖与化学奖的公布，既是情理之中，因为AI已融入我们生活科研的方方面面，但又在意料之外，因为两个奖项无一例外都与AI相关。AI已不是那么高高在上不可触及，它已融入到我们科研的方方面面，成为我们提高科研效率的有力工具。张志旺老师在分享时候提到“但行好事，莫问前程”同样也引起了我的共鸣，我们更应该坚定理想信念，扎更基础学科，为解决卡脖子的科技问题贡献自己一份力量。

21级本科生王宁致：

2024年诺贝尔化学奖颁发给了利用AI相关技术进行蛋白质结构预测的三位科学家，而这也体现了基础学科随时代发展的变化。我从大二开始跟随现工院任鑫坤老师做酶的定向进化方面科研项目，对生物酶中关键氨基酸残基进行突变，通过高通量筛选，最终获得具有高活性、高选择性等性能的生物酶，相比于AI对蛋白质进行设计和预测，我们所做的工作更像是先通过筛选得到符合预期性能和效果的酶蛋白，再对其确切的氨基酸序列进行测序。这次诺贝尔奖给了我很多启发：能否利用AI对特定氨基酸位点进行更有针对性的突变，能否利用AI设计出可催化非天然反应的蛋白等等这些都是我可以学习思考的。

23级本科生杨舜杰：

关于今年诺贝尔物理学奖和化学奖，几位教授分享了自己的看法。让我印象最深刻的是AI带来新的研究范式和学科交叉的重要性。相较于传统的实验研究或者理论建模，以机器学习为代表的人工智能算法革新了面对复杂体系的研究方法，可以帮助解决很多实验和第一性计算难以完成的任务，尤其是在生化、工程、材料等研究中发挥着重大作用。此外，就像神经网络的发现受到统计物理的启发，多学科交叉背景有助于研究者从更广阔的视角发现和解决难题。通过本次午餐交流会，我对AI for Science有了更清晰的认识，也意识到拓展自己学科视角的必要性，非常感谢学院组织此类学术交流活动。