中國21歲博士在《自然》連發2篇論文教授贊他怪物！

2018年3月5日，國際頂尖期刊《自然》以背靠背的長文形式，在網站刊登了麻省理工學院Jarillo-Herrero教授課題組石墨烯超導的重大發現。此外，網站還專門配上了賓夕法尼亞大學教授EugeneJ。 Mele對這一重大突破的評述。

特別值得關注的是，這兩篇重磅論文的第一作者都是來自中國的21歲博士生曹原。

曹原，本科畢業於著名的中科大少年班，後赴美在麻省理工學院讀博士生，現在，他又多了一重身份，那就是——在《自然》上以第一作者身份發表論文的最年輕中國學者。

640?wx_fmt=png

截圖來自Nature官網

今天，小編就帶你來了解一下這位少年英才的開掛人生，以及他做的研究有多厲害！

1

能在《自然》上發論文，到底有多厲害？

《自然》（Nature）與《科學》（Science）、《細胞》（Cell）並稱世界三大頂級科學期刊。其中，《自然》與《科學》以報導科學世界中的重大發現、重要突破為使命，是綜合性期刊，《細胞》則注重生命科學研究領域，曾刊登過許多重大生命科學研究進展。能夠在三大期刊上發文，是無數科學家孜孜以求的目標，也是評選諾貝爾獎、競選院士、展示大學和科研機構研究實力的重要依據。

640?wx_fmt=jpeg 世界三大頂級科學期刊

不過，單是《自然》高達90%的斃稿率，就足以讓人望而生畏。從全球範圍內來看，有能力在三大期刊發表文章的，要麼是世界頂級實驗室，要麼是世界頂級團隊，要麼兩者兼具。這些頂級隊伍的專家教授，一邊爭分奪秒地做實驗，一邊密切盯著競爭對手的動向，開啟電腦第一件事就是，看三大期刊發表了哪些相關領域的論文，如果沒有新的，就可以鬆口氣，如果別人發表出來相關成果，自己的研究差不多就前功盡棄了！曾在《科學》發表論文、後被普林斯頓大學聘為終身教授的顏寧，有一句話叫“向死而生”，描述的就是這種狀況。

雖然近年來中國的科研實力突飛猛進，在三大雜誌上的發文數量也有所增加，但對大多數專家學者而言，在《自然》上發文章依然高不可攀。每年在《自然》上的發表數量也不超過20篇。庫叔有位博士朋友更是直言：一位學者如果在《自然》上發表一篇論文，就可以在國內任何大學找到教職；發表兩篇，就有資格入選“青年千人計劃”，或者在“211”、“985”大學獲得正教授職位。這絲毫不誇張。作為我國結構生物學領軍人物的施一公，第一次在《自然》上發表論文是在1999年，當時他32歲；被稱為我國“量子之父”的潘建偉院士，27歲在《自然》上發表了第一篇論文。

曹原在21歲的年紀，就作為第一作者，一次性發表了兩篇，堪稱“神之操作”。而且，《自然》等不及排版就先行在網站上刊出，並配以第三篇文章做評述，可見其重視程度之深。

2

重磅論文，為超導體30年之尋開啟新思路

引起如此轟動的論文，究竟講了什麼內容？原來，曹原及其團隊發現，將兩層石墨烯疊加在一起，當轉角接近魔角（Magicangle）即1.1°、同時溫度環境達到1.7K（-271℃）時，它們會表現出非常規超導電性，其屬性與銅氧化物（其結構往往難以調整）的高溫超導性類似。

640?wx_fmt=jpeg

雙層石墨烯系統中旋轉的效應

看到這裡，大部分人都表示：看不懂！其實，要想理解這兩篇論文的意義所在，先要了解什麼是超導電性。

1911年，荷蘭物理學家海克·卡末林·昂內斯等人發現當汞被冷卻至接近0K（-273℃）時，電子可以通行無“阻”。他們將這個“零電阻狀態”稱為“超導電性”。具有超導電性的材料有很強的應用價值，因為，一般材料在導電過程中會消耗大量能量。以傳輸電纜為例，從發電站到使用者的傳送過程中，消耗損失的能量越小，經濟效益越大。超導體的出現，使傳輸過程中的能量損耗幾乎為零。不過，目前絕大多數超導體僅在接近0K（-273℃）溫度下工作，維持低溫使超導體的應用成本顯著提升。如果材料能在室溫下實現超導，就能避開昂貴的冷卻費，徹底改變能量傳輸、醫療掃描器和運輸等相關領域的現狀。既然室溫超導效益這麼好，那找到合適的材料不就行了嗎？沒這麼簡單，目前，材料達到超導狀態的最高溫度約為133K（-140ºC），這種材料就是銅氧化物，於20世紀80年代被發現。30多年來，在尋找室溫超導體的路上，銅氧化物一直是物理學家關注的焦點。

但是，上文也提到了銅氧化物的結構往往難以調整，所以，很難通過實驗發現其實現超導的機制。曹原及其團隊的貢獻就是，在描述雙層石墨烯的電子密度與溫度關係時，發現了與銅氧化物超導體相似的結果。這為物理學家發現銅氧化物超導機制提供了一個前所未有的體系，也為尋找室溫下的超導材料提供了思路。研究的另一亮點在於，僅用純碳基的石墨烯來實現超導相，也是人們期待已久的。因為石墨烯有各種奇特的性質，比如高電導率、透光率、機械強度、穩定性等等，都已不同程度地得到了應用，唯獨超導性質遲遲未能實現。

有網友就此評價：《自然》應該為能刊發曹原團隊的文章而感到榮幸。

3

傳奇少年班，40年輸出人才無數

曹原取得如此卓越的成就，得益於麻省理工學院的超強團隊，同時也離不開中科大的悉心培育，尤其是中科大少年班的“超常教育”。[注：超常教育是指為智力等方面超常的兒童創立的教育]中國科學技術大學少年班最早由諾貝爾物理獎獲得者李政道先生提出。1975年5月，他在回國訪問時發現，中國各行各業百廢待興，科技人才嚴重斷檔，於是通過周總理向毛主席建議：“從全國選拔很少數，約十三四歲左右的、有培養條件的少年，到大學去培訓”，培養一支“少而精的基礎科學工作隊伍”。旨於從少年人才入手，使全國各類人才培養步入正軌。

1978年3月8日，中國科學技術大學建立了少年班，主要招收尚未完成常規中學教育但成績優異的青少年接受大學教育。其目的是探索中國優秀人才培養的規律，培養在科學技術等領域出類拔萃的優秀人才，推動中國科技、教育和經濟建設事業的發展。40年間，中科大少年班輸出的卓越人才不勝列舉，遍佈社會各界。首屆78級張亞勤，曾任微軟副總裁，現任百度總裁；81級駱利群，38歲時出任美國史丹佛大學正教授，2012年當選美國科學院院士；82級盧徵天，旅美時獲美國青年科學家總統獎，現任中國科大“千人計劃”教授；85級杜江峰，現為中科院院士，並任中國科大物理學院執行院長、教授；87級莊小威，34歲成為哈佛大學化學與化學生物系、物理系雙聘正教授，是當時美國科學院最年輕的華人院士，曾獲美國跨領域最高獎項之一麥克阿瑟天才獎，現為中國科學院外籍院士；96級尹希未滿32歲晉升為哈佛大學正教授，打破華人記錄；98級陳宇翱，80後的中國科大教授，曾獲歐洲物理學會“菲涅爾獎”。

根據中科大的統計，截至2016年，少年班共有超過3400名本科生畢業，約90%考取國內外研究生。畢業10年後的學生中，有超過200人成為國內外名校和科研機構教授，另有55%投身於企業界、19%活躍於金融界，在世界500強任職者達到35%。

4

英雄出少年，中科大的傳奇人物！

畢業於中科大少年班的曹原，延續著師哥師姐們的優秀，也扛起了中科大的榮耀。曹原出生於1996年，20出頭的年紀，目前在麻省理工學院讀博士三年級。他從小就是大人口中“別人家的孩子”：初一隻讀了一個月，初二讀了三個多月，初三還沒待夠半年就參加了中考，並順利考上了深圳耀華實驗學校。耀華實驗學校以“超常教育”聞名，主管該專案的是副校長朱源，曾任教中國科大少年班20多年。

曹原對化學和物理非常感興趣，做化學實驗所需的硝酸銀很貴，也很難買到，他就買來了硝酸，把媽媽的銀鐲子放了進去，人工“合成”了硝酸銀。高中學業十分繁忙，他放學回家就10點了，但依舊要花1個多小時的時間搗鼓各種化學試劑。

640?wx_fmt=jpeg

曹原生活照

2010年，14歲的曹原以高考理科669分的成績考入中科大少年班學院，併入選 “嚴濟慈物理英才班”。[注：“嚴濟慈物理英才班”由中科大與中科院物理所合辦，目標是培養未來活躍在物理及相關研究領域的領軍人物。]天才代出的中科大少年班競爭激烈，曹原在其中卻如魚得水。有同校的知乎網友回憶，經常在各大教授的辦公室看到胸前掛著鑰匙的曹原一臉認真地請教問題。

中科大教計算物理課的丁澤軍教授，因教學嚴謹、苛刻，讓許多學生“聞風喪膽”，人稱“丁老怪”。但這位“丁老怪”卻對曹原讚賞有加，他曾表示曹原是“很聰明的傢伙”，本科時僅用一個寒假的時間，就完成並發表了計算機物理課程中相關研究成果的文章，“真的是怪物啊！”現在，丁教授每年上計算機物理課緒論時，都會提到曹原。

中國科大物理學院曾長淦教授也證實——“這是在我實驗室混過的娃。”“（本科）在我們實驗室還發了一篇PRB（物理學術期刊）理論文章。當時就覺得他太厲害了。”“他是如此的令人放心：只要把題目交給他就行，他一定能做出來！”

除了發表論文這一愛好，曹原還喜歡攝像、天文，經常在朋友圈發天文觀測的照片。

640?wx_fmt=jpeg

曹原的天文攝影作品

當然，曹原開掛的人生遠不止這些，2012年，他被選為首批交流生赴密歇根大學學習；2013年6月，被牛津大學選中，受邀做兩個月的科研實踐；2014年，獲得中科大本科生最高榮譽獎——郭沫若獎學金，不久，他在牛津大學實踐時的導師陳宇林教授推薦其前往麻省理工學院深造，目前，曹原在電氣工程與電腦科學系攻讀博士，師從物理學家PabloJarillo-Herrero，也就是開頭提到的兩篇論文的通訊作者，即專案總負責人。

一位與曹原熟悉的少年班學霸表示：我們都覺得他可能成為下一個莊小威，這一點都不過分。因為他實在是太強了，以前在科大就是傳說級的人物。

現在，曹原並沒有停下他的腳步，又投入到了新一輪的實驗與學習中。未來，中國更多的少年英才，將繼續書寫自己的輝煌，併為祖國的繁榮做註腳。

∑編輯 | Gemini

來源 | 新華社瞭望智庫

更多精彩：

☞ 深度神經網路中的數學，對你來說會不會太難？

☞ 程式設計需要知道多少數學知識？