11月1日-2日，由未来科学大奖基金会与香港科学院共同主办的“2024未来科学大奖周”（下称“大奖周”）-科学峰会在香港科学馆圆满举办。
为期2天的科学峰会，吸引包括2021年诺贝尔化学奖得主本杰明·利斯特教授（Prof。 Benjamin List）、菲尔兹数学奖得主叶菲姆·泽尔曼诺夫教授（Prof。 Efim Zelmanov）、沃尔夫奖得主彼得·佐勒教授（Prof。 Peter Zoller）以及多位中国科学院、香港科学院院士等出席活动。
科学峰会旨在通过近30位顶尖科学家的前沿科学议题探讨与交流，打造超一流的学术水准和广泛的国际影响，为青年科研人员、创科人士开启一扇通往未来科学视野的大门，充分感受科学力量。
首日聚焦化学跨学科交叉与生命科技革命
科学峰会首日开展“化学 - 跨学科研究之核心科学”、“生命科学 – 生物科技革命改变人类健康”专题研讨会活动。
在“化学 - 跨学科研究之核心科学”专题研讨会上，香港大学黄乾亨黄乾利基金教授（化学与能源）及化学系讲座教授，中国科学院院士，美国科学院外籍院士，世界科学院院士，香港科学院创院院士，2024未来科学大奖周程序委员会联席主席任詠华领衔，邀请2021年诺贝尔化学奖获得者Benjamin List，斯坦福能源研究所主任崔屹，康奈尔大学Peter J.W。 Debye化学教授陈鹏，香港大学化学系教授教授唐晋尧，围绕“酸性催化剂”“电池技术”“单分子化学”以及“活性物质相变与新材料的发展”展开学术分享与探讨。
在“生命科学 – 生物科技革命改变人类健康”专题研讨会上，香港中文大学肿瘤学系系主任莫树锦与香港大学生物化学系荣誉教授谢赏恩领衔，邀请剑桥大学亚瑟·巴尔福遗传学教授Anne Ferguson-Smith，斯坦福大学医学系主任Euan Ashley，纪念斯隆-凯特琳癌症中心干细胞生物学中心主任Lorenz Studer，耶鲁大学细胞生物学尤金·希金斯讲座教授林海帆，围绕“生物医学与人工智能”“干细胞研究”“基因调控研究”展开学术分享与探讨。
次日聚焦物理、数学、计算机课题
11月2日，科学峰会聚焦“物理 – 量子信息”“ 数学 – 数学洞察”“计算机科学 – 人工智能与芯片”三大专题。
加州大学圣克鲁斯分校天文学和天体物理学教授，清华大学高等研究院杰出客座教授，美国艺术与科学学院院士，未来科学大奖科学委员会委员，2024未来科学大奖周程序委员会联席主席林潮在欢迎致辞中对到场来宾表示感谢，并对演讲嘉宾Peter Zoller教授、文小刚教授、黄信元博士、李柯伽教授的学术背景以及科研经历进行了介绍。
因斯布鲁克大学理论物理学教授，奥地利科学院量子光学与量子信息研究所 （IQOQI） 名誉研究主任，德国科学院院士，2013年沃尔夫物理学奖获得者，2006年狄拉克奖获得者Peter Zoller，以《原子和离子的量子计算与模拟》为题进行主旨演讲，介绍了模拟和数字量子模拟的最新进展，涵盖从凝聚态物理到高能物理等主题。首先，Peter Zoller教授简要概述原子平台和多体汉密尔顿量的工程；接下来，他提供了近期研究的案例，包括通过汉密尔顿学习对量子模拟器进行编程和验证、研究大规模纠缠以及模拟格点规范理论；最后，他以前瞻性的视角介绍了作为可编程量子传感器的量子模拟器。
麻省理工学院教授，美国科学院院士，美国艺术与科学学院院士，2017年凝聚态物理巴克利奖获得者文小刚，以《光（及其他基本粒子）的起源——物质与信息的统一》为题进行主旨演讲。他提出，我们的世界充满了谜团：为什么所有物质基本粒子（如电子和夸克）都是费米子？为什么我们拥有许多对称性，尽管引力的量子涨落破坏了所有对称性？文小刚教授认为，所有这些谜团都来自（或可以通过）构成我们空间的众多量子比特的量子纠缠来解决。众多量子比特的量子纠缠（谜团的起源）是一种新的物理现象，需要新的数学，编织融合高级范畴，再来进行描述，这也成为量子对称性的数学框架。
2025年加州理工学院理论物理学助理教授，麻省理工学院访问科学家，谷歌量子人工智能高级研究员黄信元，以《在量子宇宙中学习》为题进行主旨演讲。在演讲中，他介绍了构建严格理论的最新进展，展示了科学家、机器和未来的量子计算机在学习量子宇宙模型方面的探索。他以一个实验上可行的程序开始，该程序将量子多体系统转换为系统的简洁经典描述，即其经典阴影。黄信元博士指出，经典阴影可用于有效预测许多感兴趣的属性，包括局部可观测量的期望值和少体相关函数。基于经典阴影形式，他通过数学分析和实验演示，对机器学习和量子物理交叉领域的两个基本问题——“经典机器能否学会解决量子物理中的挑战性问题”，以及“量子机器能否比经典机器更快地学习并更准确地预测”进行了回答。
北京大学教授，中国科学院国家天文台研究员李柯伽，以《中国脉冲星测时阵列进展》为题进行主旨演讲。他介绍了利用位于中国贵州省的五百米口径球面射电望远镜 （FAST） 进行脉冲星计时研究的最新进展，其中，他重点介绍了在引力波探测和星际介质研究相关的科学课题。
对话环节在“数学 – 数学洞察”专题研讨会上，香港大学数学系讲席教授，新基石研究员，2024未来科学大奖周程序委员会委员何旭华教授在致辞中对到场来宾表示感谢，并对演讲嘉宾丁剑教授、刘一峰教授、Hiraku Nakajima教授、Efim Zelmanov教授的学术背景以及科研经历进行了介绍。
北京大学讲席教授，2023年概率论洛伊夫奖获奖者丁剑以《从渗流看统计物理学》为题进行主旨演讲。他描述了统计物理中的各种渗流模型，并重点介绍了相变、临界现象以及无序效应，并概述了随机场Ising模型和高斯自由场相关渗流模型的最新进展。
浙江大学数学高等研究院讲席教授，2018年SASTRA拉马努金奖获得者刘一峰以《从自然数到无穷范畴》为题，介绍了抽象化思想如何将数学家们从简单如自然数的概念带到隐晦如无穷范畴的概念，以及这种抽象化的必要性。
东京大学科维理宇宙物理学与数学研究所（IPMU）教授，国际数学联盟（IMU）主席Hiraku Nakajima，以《3d 量子场论和朗兰兹对偶》为题进行主旨演讲。他表示，近年来，其与Braverman以及Finkelberg合作，通过数学上严谨的方法研究三维超对称量子场论 （QFT）。他们提出了构造具有群作用的仿射代数辛流形对（部分推测）的方法作为应用，其中第二流形的群由朗兰兹对偶群代替。他表示，这些对的定义受Gaiotto-Witten的4d规范理论边界条件的S对偶性启发而来。正如Gaiotto以及Ben-Zvi、Sakellaridis和Venkatesh所指出的，这种S对偶性为3d QFT和朗兰兹对偶性之间建立了新的联系，即相对朗兰兹对偶性。
南方科技大学深圳国际数学中心主任，美国科学院院士，美国艺术与科学院院士，中国科学院外籍院士，1994年菲尔兹奖获得者Efim Zelmanov教授以《埃瓦里斯特·伽罗瓦与通信技术》为题进行了主旨演讲。他介绍了法国数学家埃瓦里斯特·伽罗瓦的科研人生，并通过介绍数学的对称性，以及现实生活中密码学的数学原理，向观众阐述了数学的简约之美及其科学魅力。
对话环节
在“计算机科学 – 人工智能与芯片”专题研讨会上，香港科技大学讲席教授，国际计算机学会（ACM）和电气与电子工程师协会（IEEE）会士，美国科学促进会（AAAS）会士，2024未来科学大奖周程序委员会委员谢源在致辞中对到场来宾表示感谢，并对演讲嘉宾Onur Mutlu教授、Gabriel Loh教授、汪玉教授、马毅教授的学术背景以及科研经历进行了介绍。
苏黎世联邦理工学院计算机科学教授，国际计算机学会（ACM）和电气与电子工程师协会（IEEE）会士，欧洲科学院院士Onur Mutlu，进行了《以内存为中心的计算》的主旨演讲。他指出，当前计算的瓶颈在于数据，现代机器的存储、通信和计算能力难以应对海量应用数据，导致关键应用程序性能受限。Onur Mutlu阐述了现代架构的三大缺点，并提出设计智能架构应遵循以数据为中心、数据驱动、数据感知三个原则。他举例说明了如何利用这些原则设计高效计算系统，并讨论了两种实现接近数据计算的方法：使用内存进行处理和近内存处理。研究表明，这两种架构能显著提升多种工作负载的性能和能耗，如图形分析、数据库系统、机器学习、视频处理、气候建模、基因组分析等。Onur Mutlu还探讨了实现更智能架构的应用的思考，认为这是提高效率、性能和可持续性的关键。最后，他提出了未来计算架构和系统设计的研究机会和指导原则，为相关领域的发展指明了方向。
美国超威半导体公司（AMD）Senior Fellow，国际计算机学会（ACM）和电气与电子工程师协会（IEEE）会士Gabriel Loh，以《在后摩尔时代提供人工智能算力》为题进行主旨演讲。他表示，随着前沿模型的大小和功能不断发展，新兴的人工智能和机器学习 （AI/ML） 工作负载需要更多的计算和内存。同时，半导体行业面临着越来越多的技术挑战，例如摩尔定律的终结、功耗的增加以及可能限制计算密度的传统封装约束。Gabriel Loh博士概述了包括模块化芯片设计、高级封装和异构集成，以及专业化和重用之间的谨慎平衡，并探讨了协同优化、协同设计，确保架构和底层技术协同工作等一系列解决方案和方法，从而说明从计算架构出发，继续扩展功能以满足市场需求的思考。
清华大学电子工程系教授、系主任，电气与电子工程师协会（IEEE）会士汪玉，以《面向AI 2.0时代的节能电路和系统设计》为题进行主旨演讲。他指出，基于Transformer架构的大型语言模型（LLM）在各种应用中取得了出色的表现，标志着AI 2.0时代的到来。随着模型参数的指数级增长，大型模型的计算、存储和内存访问开销与传统深度学习模型相比增加了四到五个数量级，导致算法要求和现有硬件平台的能力存在显著差异。汪玉教授回顾了AI 1.0时代的节能电路与系统设计方法，并介绍了AI 2.0时代面临的新挑战，以及LLM和扩散模型等AIGC算法。他重点探讨了其与团队基于GPU和FPGA的异构系统上的软硬件协同优化方法，包括高效AIGC算法模型、推理框架和内核优化以及节能硬件IP。通过这一方法，可成功将大型模型推理的总成本降低了四个数量级。
香港大学人工智能讲座教授、同心基金数据科学研究院首任院长、计算与数据科学学院首届总监，美国计算机学会会士（ACM Fellow）、电气与电子工程师协会会士（IEEE Fellow）和工业与应用数学学会会士（SIAM Fellow）马毅，以《追寻智能的本质》为题，从历史、科学和计算的角度阐明智能的不同层次和机制。首先，他回顾智能的进化，从系统发生，到个体发生，再到群体，再到人工智能，为准确理解过去十年机器智能看似巨大的进步与成就提供思考视角。同时，马毅教授从压缩数据编码和解码的角度为深度学习的实践提供原则性的数学解释，揭示了当前实践的局限性，并为开发更正确、更完整的学习系统提供了自然的方法。最后，他通过澄清知识和智能之间的区别与关系，为人们开发真正自主的智能系统提供思考与启发。