|
约翰·江珀(John M. Jumper、John Jumper),男,1985年出生于美国阿肯色州小石城,生物物理学家,诺贝尔化学奖获得者谷歌深度思维(DeepMind)公司科学家、高级研究员。 约翰·M·江珀(John M. Jumper),1985年出生于美国阿肯色州小石城,是当代全球顶尖的计算机科学家、化学家和人工智能领域的领军者,2024年诺贝尔化学奖得主。作为AlphaFold系列模型的主要负责人,他开创性地将深度学习技术与蛋白质结构研究深度融合,带领团队破解了困扰学界半个世纪的蛋白质折叠谜题,彻底重塑了生命科学的研究范式。从早年对宇宙定律的探索渴望,到深耕蛋白质动态模拟领域,再到成为AI赋能基础科学的开拓者,江珀以跨学科的科研视野和坚韧的探索精神,在人工智能与生命科学的交叉领域书写了传奇篇章。作为诺奖历史上首位“85后”得主,他的科研生涯不仅彰显了青年科学家的创新活力,更证明了人工智能技术推动基础科学革命的巨大潜力。 早年的科学启蒙与多元知识积累,为江珀的跨学科科研道路奠定了坚实基础。出生于小石城的他,从小就对宇宙的无限奥秘充满好奇,这种好奇心驱使他早早将目光投向物理与数学领域,梦想成为一名“发现宇宙定律”的物理学家。青少年时期的江珀就展现出极强的自主学习能力,主动自学计算机编程,初步构建起编程思维与技术基础,这为他日后将计算机技术应用于科学研究埋下了关键伏笔。这份对科学的热忱与探索欲,指引他在学术道路上不断前行,也塑造了他严谨务实的科研态度。 系统的高等教育为江珀搭建了跨学科的知识体系。2003年,他进入美国范德堡大学攻读本科,主修物理与数学专业,在这里系统学习了经典物理、量子力学、高等数学等核心理论,培养了扎实的理论物理功底和逻辑推理能力。在本科学习期间,江珀不仅专注于理论知识的积累,还积极参与各类科研实践,逐步形成了将理论与实践相结合的科研习惯。2007年,他以优异的成绩获得范德堡大学理学学士学位,凭借出色的学术表现和科研潜力,获得了马歇尔奖学金,这一荣誉为他前往英国深造提供了重要支撑。 2007年,江珀远赴英国剑桥大学圣埃德蒙学院,开启了硕士阶段的深造,主攻理论凝聚态物理方向。剑桥大学浓厚的学术氛围和顶尖的科研资源,让他接触到了凝聚态物理领域的前沿研究。在这段学习期间,他深入钻研了凝聚态系统的量子特性与宏观表现,进一步提升了自己的理论研究能力和科研视野。然而,随着研究的深入,江珀逐渐意识到凝聚态物理并非最契合自己科研追求的领域,经过慎重思考,他决定在获得哲学硕士学位后调整研究方向。2010年,他顺利完成剑桥大学的学业,获得理论凝聚态物理哲学硕士学位,随后开启了科研道路的重要转型。 硕士毕业后,江珀加入D. E. 肖研究公司,正式踏入蛋白质模拟研究领域,这一选择成为他科研生涯的重要转折点。在该公司期间,他主要负责蛋白质的计算机模拟工作,首次将自己积累的物理知识与计算机技术应用于生命科学研究。这段工作经历让他深刻认识到,蛋白质结构与动态变化对理解生命活动机制的重要性,也让他发现探索宇宙的物理知识竟然能有效解决关乎人类健康的医学问题——这种跨学科的知识共鸣,坚定了他深耕蛋白质研究领域的决心。在D. E. 肖研究公司的三年时间里,江珀积累了丰富的蛋白质模拟实践经验,为后续的深入研究奠定了关键的技术基础。 2011年,江珀再次回归学术界,进入美国芝加哥大学攻读理论化学博士学位,研究方向聚焦于将机器学习技术应用于蛋白质动态研究。在这里,他师从托宾·R·索斯尼克(Tobin R. Sosnick)和卡尔·弗里德(Karl Freed)两位知名学者,得到了系统的学术指导。博士阶段的江珀展现出卓越的科研创新能力,他打破传统研究思路,将机器学习算法引入蛋白质动态模拟,尝试通过数据驱动的方式破解蛋白质折叠的核心谜题。经过六年的不懈探索,他在蛋白质结构预测的算法构建与模型优化方面取得了重要进展,其博士论文《使用严格机器学习研究粗粒度蛋白质折叠与动态的新方法》系统阐述了相关研究成果,为后续AlphaFold模型的研发提供了重要的理论支撑。2017年,江珀顺利获得芝加哥大学理论化学博士学位,正式开启独立科研生涯。 2017年10月,博士毕业仅十个月的江珀加入谷歌旗下的DeepMind公司,担任高级研究科学家,这一平台为他的科研突破提供了绝佳的条件。当时的DeepMind已在人工智能领域崭露头角,尤其在强化学习方面取得了显著成就,而公司创始人戴米斯·哈萨比斯正计划将AI技术应用于基础科学研究,蛋白质结构预测成为重点攻关方向。江珀的加入恰逢其时,他凭借在蛋白质模拟与机器学习交叉领域的深厚积累,很快成为相关研究团队的核心负责人,牵头推进蛋白质结构预测AI模型的研发工作。 在江珀的带领下,DeepMind团队开启了AlphaFold系列模型的研发征程。蛋白质折叠问题自1972年被提出以来,一直是生命科学领域的“圣杯级”难题——蛋白质的功能由其三维结构决定,但从氨基酸序列预测三维结构的传统实验方法需耗费数月甚至数年时间,效率极低。江珀团队创新性地将深度学习算法与海量蛋白质数据相结合,构建了能够学习蛋白质序列与结构对应关系的模型架构。经过三年多的反复迭代优化,2020年,团队成功推出AlphaFold 2模型,在第14届蛋白质结构预测关键评估(CASP)竞赛中一举夺冠,其预测的蛋白质三维结构准确率达到实验测定水平,其中约三分之二的蛋白质在全球距离测试(GDT)中得分超过90分,远超同期其他算法。这一成果被《科学》杂志评为2020年“年度突破”,被学界誉为“生命科学领域的革命性进展”。 AlphaFold 2的诞生彻底改变了蛋白质结构研究的格局,江珀团队并未止步于此。2021年,他们进一步发布AlphaFold数据库,向全球免费开放近2亿种蛋白质的预测结构,覆盖几乎所有已知蛋白质,为全球生命科学家提供了前所未有的数据支撑。截至目前,AlphaFold技术已被全球190个国家和地区的200多万人使用,成为生命科学研究的核心工具。江珀曾表示,AlphaFold团队计划未来发布1亿种蛋白质结构,进一步拓展技术的应用边界。作为模型研发的核心主导者,江珀的科研贡献得到了学界的广泛认可,他也因此入选《自然》杂志2021年“年度十大人物”,成为该榜单中最年轻的科学家之一。 AlphaFold系列模型的推广应用,在药物研发、疾病治疗、环境保护等多个领域产生了深远影响。在药物研发领域,研究人员可借助精准的蛋白质结构快速设计靶向药物,大幅缩短研发周期、降低研发成本,目前基于AlphaFold的研究已加速了癌症、神经退行性疾病、抗生素耐药性等多种疑难病症的药物开发进程。在基础科学研究中,AlphaFold帮助科学家快速解析复杂蛋白质复合物的结构,推动了对光合作用、细胞凋亡等关键生命过程分子机制的深入理解。此外,该技术还被应用于酶工程设计,助力开发高效降解塑料的生物酶,为环境保护提供了全新解决方案,充分展现了人工智能技术赋能基础科学的巨大潜力。 在AlphaFold取得巨大成功后,江珀继续带领团队拓展AI在生命科学领域的应用边界。他带领团队深入研究蛋白质与其他分子的相互作用机制,推动AI模型在蛋白质复合物结构预测、酶设计等更复杂场景的应用。同时,他积极推动跨学科合作,联合全球各地的生命科学家、计算机科学家开展研究,努力构建AI赋能生命科学的全球协作网络。作为DeepMind的核心科研骨干,江珀还参与了公司在其他基础科学领域的AI应用探索,为推动人工智能技术服务人类社会、解决全球性挑战贡献力量。 卓越的科研贡献让江珀斩获了多项国际顶级荣誉。2022年,他获得BBVA基金会前沿知识奖,表彰其在AI驱动蛋白质结构预测领域的开创性成就;2023年,他荣获生命科学突破奖,进一步彰显了其研究的重要科学价值;2024年9月,他与戴米斯·哈萨比斯、戴维·贝克共同获得引文桂冠奖——这一被誉为“诺奖风向标”的重要奖项,提前印证了其研究的学术影响力。2024年10月9日,江珀迎来学术生涯的巅峰,瑞典皇家科学院宣布,将当年诺贝尔化学奖的一半授予他与戴米斯·哈萨比斯,以表彰他们“对蛋白质结构预测的贡献”,另一半由戴维·贝克获得,三人共享1100万瑞典克朗(约合745万元人民币)奖金。诺贝尔委员会评价道:“AlphaFold模型彻底改变了我们解析蛋白质结构的方式,为生命科学研究开辟了全新路径,其影响力将持续数十年。” 作为诺奖历史上首位“85后”得主,江珀的科研历程激励了全球无数青年科学家。他始终保持谦逊务实的科研态度,在获奖后表示,AlphaFold的成功是团队协作的结果,未来将继续深耕AI与生命科学的交叉领域,探索更多未知问题。截至目前,江珀已发表学术论文约50篇,被引用超过1.6万次,H指数达到20,其研究成果不仅推动了相关学科的发展,更切实地为人类健康与环境保护带来了积极影响。2021年,他还入选《时代》杂志“未来100人”榜单,成为全球科技领域最具潜力的青年领军者之一。 纵观江珀的科研生涯,他始终以“突破科学边界、解决实际问题”为核心追求,从早年对宇宙物理的探索到转向蛋白质研究,从机器学习技术的创新应用到AlphaFold模型的研发突破,每一次选择都彰显了他的科研远见与创新勇气。从阿肯色州的少年到全球顶尖的科研领军者,从实验室的基础研究到改变世界的技术突破,他的人生轨迹诠释了跨学科融合的力量与价值。如今正值壮年的江珀,仍活跃在科研一线,持续推动人工智能技术在生命科学领域的深度应用。他的学术遗产不仅包括AlphaFold系列模型这一里程碑式的研究成果,更包括那种勇于跨界、务实创新的科学精神,将持续激励一代又一代的科研工作者,为人工智能与基础科学的深度融合指明方向。 |