定了，今年的諾獎頒給了意面

什么！

今年的諾貝爾物理學獎頒獎開始了？

物理學獎竟然頒給了意面？

我錯過了什么......

你先別急

我說的是今年的搞笑諾貝爾物理學獎

它頒發給了Giacomo Bartolucci及其團隊，以表彰他們發現了關于意面醬汁的物理學原理。特別是可能導致醬汁結塊并最終做出一盤難吃意面的相變過程。

該研究團隊重點研究了不同比例的奶酪、水和淀粉在溫度升高時的穩定性，認為淀粉濃度是影響醬汁穩定性的關鍵因素，當濃度低于1%時會出現“馬蘇里拉相”，導致醬汁口感不佳且分離，而添加檸檬酸三鈉則會讓醬汁呈現完全順滑且穩定的狀態。最終，他們給出了完美調料的科學配方。

這項研究對吃貨來說簡直是福音啊~

搞笑諾貝爾獎都來了，真正的諾貝爾獎還會遠嗎？

今年的10月7日

北京時間17:45分

瑞典皇家科學院將公布

2025年諾貝爾物理學獎得主

今年的諾貝爾物理學獎又會花落誰家？

真的好讓人期待呀！

下面我們一起回顧一下物理學中那些

“意料之外”的諾獎

噪音里的諾獎

1978年諾貝爾物理學獎一半授予蘇聯莫斯科蘇聯科學院的卡皮查（Pyotr L.Kapitsa），以表彰他在低溫物理學領域的基本發明和發現；另一半則授予了新澤西州霍姆德爾貝爾實驗室德裔物理學家彭齊亞斯（Arno A.Penzias）和R.威爾孫（Robert W.Wilson），以表彰他們發現了宇宙微波背景輻射。

說到宇宙微波背景輻射的發現，那還真是一個意外。早在1948年，羅伯特?赫曼、喬治?伽莫夫和拉爾夫?阿爾菲就提出了宇宙大爆炸理論，還推測會有伴隨的背景輻射。可這輻射信號實在太弱，找了十幾年，也沒人捕捉到它的蹤跡。

直到1963年初，貝爾實驗室的彭齊亞斯和R.威爾孫想 把一臺原本用來接收衛星通訊信號的設備，改成射電望遠鏡，用來研究射電天文學。可觀測剛一開始，麻煩就來了：天線里總飄著一股 “多余的噪聲”，怎么也消不掉。

兩人一開始覺得，肯定是設備本身出了問題。他們仔仔細細清洗部件接頭，又在喇叭的鉚接處貼上鋁帶減少損耗，能想到的辦法都試了個遍，可噪聲還是安安穩穩待在那兒，一點兒要消失的意思都沒有。

直到1965年春的一天，彭齊亞斯和麻省理工學院的射電天文學家伯克（B.Burke）通電話，談到了他們難以解釋的多余噪聲。于是，伯克向彭齊亞斯介紹了當時正在尋找宇宙微波背景輻射的迪克（R.H.Dicke）小組。經過一番討論之后，迪克小組相信彭齊亞斯和威爾孫的測量精度，因此認為他們測量到的“噪音”正是自己要尋找的宇宙微波背景輻射。

（宇宙微波背景輻射照片）

結果發表后，引起了極大的反響，彭齊亞斯和 R. 威爾孫二人也因此獲得了1978年的諾貝爾物理學獎（雖然一開始他們并沒有意識到自己發現了這么重要的東西）。不過，頗具遺憾的是，最早提出宙大爆炸理論的三名物理學家，以及指出該發現重要之處的科學家，卻未能因此獲得諾貝爾物理學獎。

用2塊錢就能得諾獎？

2010年諾貝爾物理學獎授予英國曼徹斯特大學兩位俄裔物理學家——安德烈·海姆（Andre K.Geim）和康斯坦丁·諾沃肖洛夫（Konstantin S.Novoselov），以表彰他們“有關二維材料石墨烯的開創性實驗”。

在石墨烯出現之前，二維材料被認為是無法穩定存在的，在一塊厚度幾個毫米的塊體石墨中，想要獲得只有幾個埃厚度的石墨薄膜，這難度可想而知了。

最開始海姆讓學生用拋光機打磨石墨，可耗時幾個月，得到的石墨也有10微米，這距離單層石墨還有很遠的路。直到偶然間，一位來自烏克蘭的同事跟他開玩笑說，為什么不用膠帶剝取石墨薄膜呢。于是，海姆把原本用來粘掉樣品表面灰塵的膠帶放在顯微鏡下觀察，發現上面殘留的石墨比拋光的石墨薄膜還要薄。這時，海姆腦洞大開，想著用第二片膠帶粘第一片膠帶上的石墨，他發現石墨被撕的更薄了。接著他重復了幾十次操作后，終于獲得了世界上第一片二維材料——石墨烯。

在諾沃肖洛夫的幫助下，他們利用干涉效應在顯微鏡下挑選出最薄的石墨烯薄膜，并測量了它的電學性質。最終，二人憑借這2塊錢膠帶撕出來的石墨烯獲得了2010年的諾貝爾物理學獎。

（膠帶剝離法）

不“物理”的諾貝爾物理學獎

2024年諾貝爾物理學獎授予了約翰·霍普菲爾德(JohnJ.Hopfield)和杰弗里·辛頓(Geoffrey E.Hinton)，以表彰他們用開創性方法和概念在塑造人工神經網絡領域方面發揮的重要作用。

這獎項一頒發，立馬就炸開了鍋。大部分人都滿是疑惑：為啥諾貝爾物理學獎會頒給計算機學家啊？

其實主要原因，還是兩人是靠物理學工具來開發神經網絡的。其中，霍普菲爾德發明了一種特殊的網絡，能用特定方法保存和重建模式。他用原子自旋來描述Hopfield網絡的節點，通過尋找體系的最低能量來完成圖像重建。

辛頓則把Hopfield網絡當成新網絡的基礎，借助統計物理學的工具，創造出了圖像分類的新方法 —— 玻爾茲曼機，這也直接開啟了機器學習的爆發性發展。這些技術的應用范圍很廣，不光能用于日常生活里的語言和圖像處理，還延伸到了科學研究的前沿領域。

結語

今年的諾獎還會向去年那樣出人意料嗎？

大家可以在評論區留下你的預測

另外，別忘了10月7日晚上17:00來我們B站直播間

一起揭曉并解讀諾貝爾物理學獎吧~

我們，諾獎直播見！

(直播間二維碼)

參考資料：

1.

2.

3.

4.

編輯：Sid