L’ICTP di Trieste premia quattro scienziati che hanno studiato come semplici interazioni tra molti elementi possano generare comportamenti collettivi complessi e imprevedibili. Tra i vincitori Marc Mézard, professore all’Università Bocconi.
Il Centro Internazionale di Fisica Teorica “Abdus Salam” (ICTP) di Trieste assegna la Medaglia Dirac 2026 a Bernard Derrida, Deepak Dhar, Marc Mézard e Haim Sompolinsky per i loro contributi pionieristici alla meccanica statistica e per averne esteso metodi e concetti a campi quali l’ottimizzazione, le neuroscienze teoriche e l’intelligenza artificiale.
“Le ricerche dei vincitori della Medaglia Dirac 2026 hanno contribuito ad affermare la fisica teorica, e in particolare la meccanica statistica, come un potente quadro di riferimento per affrontare una vasta gamma di questioni che vanno ben oltre il suo tradizionale ambito di interesse, fino a comprendere la biologia, l’informatica e l’intelligenza artificiale”, ha commentato il direttore dell’ICTP Atish Dabholkar, che presiede la commissione del premio. “Sono particolarmente lieto che la medaglia di quest’anno riconosca un campo di ricerca che vanta una lunga tradizione qui all’ICTP, radicata in parte nel lavoro del suo ex direttore Miguel Virasoro, e mi congratulo vivamente con i quattro vincitori.”
La meccanica statistica è un quadro teorico che descrive i sistemi composti da molti elementi: atomi e molecole, ma anche granelli di sabbia, automobili nel traffico o i nodi nelle reti neurali, gli algoritmi su cui si basa l’intelligenza artificiale. I vincitori della Medaglia Dirac 2026 hanno contribuito allo sviluppo di quest’area di ricerca e alla sua applicazione a diversi ambiti.
Bernard Derrida ha sviluppato modelli matematici che spiegano come emerge il comportamento collettivo nei sistemi complessi disordinati. Ad esempio, attraverso il suo “Modello dell’energia casuale” (Random Energy Model), è riuscito a dimostrare che i sistemi composti da molti elementi possono talvolta essere dominati da un numero limitato di configurazioni favorevoli. Sebbene il modello sia stato sviluppato per i vetri di spin, che originariamente descrivevano leghe magnetiche disordinate, le sue idee hanno influenzato campi che spaziano dall’ottimizzazione alle reti neurali e all’intelligenza artificiale.
Deepak Dhar ha dimostrato come interazioni semplici possano portare a comportamenti complessi e talvolta imprevedibili nei sistemi di grandi dimensioni. Attraverso il suo lavoro pionieristico sul modello della pila di sabbia, ad esempio, ha descritto un fenomeno ben noto: quando si aggiungono granelli ad un cumulo di sabbia, nella maggior parte dei casi non si verifica alcun cambiamento o si verificano solo piccole valanghe, mentre occasionalmente un singolo granello può causare un crollo molto più esteso. La teoria dimostra che il cumulo di sabbia, come molti altri sistemi complessi, entra spontaneamente in un regime critico in cui piccoli effetti possono talvolta innescare eventi improvvisi di grande portata, ed è stata utilizzata per modellare sistemi apparentemente molto diversi tra loro, quali i terremoti, gli ingorghi stradali e le fluttuazioni dei mercati finanziari.
Marc Mézard ha contribuito a spiegare come si comportano i sistemi disordinati con un elevato grado di frustrazione, dove tante configurazioni entrano in competizione tra loro. Uno dei suoi contributi più importanti è il metodo delle cavità, sviluppato insieme a Giorgio Parisi e Miguel Virasoro, che fornisce un quadro potente e intuitivo per descrivere il comportamento di un ampio spettro di sistemi disordinati, ed ha dato origine a metodi concreti per determinarne le configurazioni più favorevoli. Questi metodi e le idee da cui originano sono stati applicati nell’ambito dell’informatica, della comunicazione, dell’ottimizzazione e, più recentemente, dell’intelligenza artificiale.
Haim Sompolinsky ha utilizzato la meccanica statistica per comprendere il comportamento dei circuiti neurali, della memoria e del cervello, ed è stato un pioniere nel campo delle neuroscienze teoriche e computazionali. Sebbene i suoi primi contributi riguardassero lo studio dei vetri di spin, all’inizio della sua carriera ha risolto il modello di Hopfield, un semplice modello matematico della memoria che ha utilizzato per elaborare una descrizione di meccanica statistica delle reti neurali. Questa costituisce uno dei primi collegamenti rigorosi tra la fisica statistica e la funzione cerebrale ed ha fatto luce sul funzionamento della memoria associativa, ovvero la capacità del cervello di ricostruire un ricordo completo a partire da semplici frammenti dello stesso.
Con l’attribuzione del premio a Marc Mézard, professore all’Università Bocconi di Milano, la Medaglia Dirac torna a premiare un ricercatore affiliato ad un’istituzione italiana dopo sedici anni di assenza. L’ultimo ad ottenerla era stato Nicola Cabibbo, allora professore alla Sapienza di Roma, nel 2010. Avendo trascorso gran parte della sua prestigiosa carriera in Francia, suo Paese natale, Mézard è anche un esempio di scienziato che ha scelto di lasciare il suo Paese per continuare la sua carriera in Italia, dove lavora dal 2022, dopo essere stato per dieci anni direttore dell’Ecole Normale Supérieure di Parigi, una delle più prestigiose istituzioni accademiche al mondo.
La Medaglia Dirac dell’ICTP
Istituita nel 1985, la Medaglia Dirac dell’ICTP riconosce importanti contributi nel campo della fisica teorica. Tra i vincitori compaiono figure di spicco della disciplina, molte delle quali hanno poi ricevuto riconoscimenti ancor più prestigiosi, come il Premio Nobel e la Medaglia Fields. La commissione di selezione di quest’anno è composta dai premi Nobel David Gross e Giorgio Parisi, e da altri eminenti scienziati quali Alessandra Buonanno, Juan Maldacena, Subir Sachdev e Peter Zoller, tutti precedenti vincitori della medaglia, ed è presieduta dal direttore dell’ICTP Atish Dabholkar.
Informazioni biografiche sui vincitori
Bernard Derrida, Collège de France (Francia)
Bernard Derrida ha conseguito il dottorato di ricerca presso l’Institut Laue Langevin di Grenoble, in Francia, e concluso una Thèse d’Etat all’Università Parigi XI (oggi Université Paris-Saclay). Ha lavorato presso la Commissione francese per le energie alternative e l’energia atomica (CEA) a Saclay, prima di diventare professore all’École Normale Supérieure e all’Università di Parigi VI (oggi Sorbonne Université). Dal 2015 è professore al Collège de France. Derrida è un esperto di meccanica statistica, la cui attività di ricerca si è concentrata sui sistemi dinamici, sulla teoria dei mezzi disordinati, sui sistemi fuori dall’equilibrio e sulla modellizzazione di sistemi biologici. Ha ricevuto numerosi riconoscimenti, tra cui la Medaglia Boltzmann nel 2010 (condivisa con John Cardy) e il Premio ENS dei “Tre Fisici” nel 2015.
Deepak Dhar, Centro internazionale di scienze teoriche del Tata Institute of Fundamental Research (India)
Deepak Dhar ha conseguito il dottorato di ricerca presso il California Institute of Technology. Ha lavorato per decenni presso il Tata Institute for Fundamental Research di Mumbai prima di entrare a far parte dell’ Indian Institute of Science Education and Research nel 2016. Dal 2024 è INSA Distinguished Professor presso il Centro internazionale di scienze teoriche del Tata Institute of Fundamental Research. La sua ricerca si concentra sulla fisica statistica e sui processi stocastici. Ha ricevuto il Padma Bhushan (2023), una delle più alte onorificenze civili dell’India, nonché la Medaglia Boltzmann (2022, insieme a John Hopfield) e il Premio Shanti Swarup Bhatnagar (1991).
Marc Mézard, Università Bocconi (Italia)
Marc Mézard ha conseguito il dottorato di ricerca presso l’École Normale Supérieure di Parigi. Dal 2012 al 2022 è stato direttore dell’École Normale Supérieure, per poi entrare a far parte dell’Università Bocconi come professore presso il dipartimento di scienze computazionali. Dal 2022 è membro del consiglio scientifico dell’ICTP, che presiede dal 2024.
Il principale campo di ricerca di Mézard è la fisica statistica dei sistemi disordinati e la sua applicazione in vari rami della scienza, tra cui la biologia, l’economia e la finanza, la teoria dell’informazione, l’informatica, la statistica, l’elaborazione dei segnali e la biofisica. Negli ultimi anni la sua ricerca si è concentrata sull’elaborazione delle informazioni nelle reti neurali, sull’apprendimento automatico e sulle reti profonde. Tra i riconoscimenti ottenuti figurano il Premio ENS “Three Physicists” del 2022, il Premio Lars Onsager 2016 dell’American Physical Society e il Premio Humboldt-Gay-Lussac del 2009.
Haim Sompolinsky, Università Ebraica di Gerusalemme (Israele) e Università di Harvard (Stati Uniti)
Haim Sompolinsky ha conseguito il dottorato di ricerca in fisica presso l’Università Bar-Ilan, in Israele, e ha svolto un post-dottorato all’Università di Harvard. È stato professore associato presso l’Università Bar-Ilan prima di entrare a far parte dell’Università Ebraica di Gerusalemme come professore nel 1986. Dal 2006 è direttore dello Swartz Program in Theoretical Neuroscience di Harvard e professore ospite presso il Center of Brain Science dell’Università di Harvard. Ha introdotto metodi e concetti della fisica statistica nello studio dei circuiti neuronali, della memoria, dell’apprendimento e dell’elaborazione delle informazioni a livello neuronale ed è ampiamente considerato uno dei massimi esponenti delle neuroscienze teoriche. È stato insignito del Premio Gruber per le Neuroscienze 2022 e del Brain Prize 2024.
I contributi dei vincitori della medaglia Dirac alla meccanica statistica in sintesi
La Commissione di selezione della Medaglia Dirac 2026 ha sintetizzato il lavoro dei quattro vincitori come segue:
Bernard Derrida
Nel campo dei vetri di spin, Derrida ha introdotto il Random Energy Model (1980), che rappresenta il modello a campo medio risolvibile più semplice. Gross e Mézard hanno dimostrato che la sua soluzione costituisce il limite per p infinito della soluzione del modello a p spin. Insieme a Gardner e collaboratori (1987-1988), Derrida ha dato diversi contributi alla teoria delle reti neurali; in particolare, ha risolto una versione asimmetrica del modello di Hopfield. Insieme a Spohn, ha risolto il problema dei polimeri orientati su grafi ad albero (1988), mettendo in relazione il fenomeno del congelamento con i fronti d’onda in movimento. Nella fisica al di fuori dall’equilibrio, insieme a Evans, Hakim e Pasquier (1993), ha ottenuto una straordinaria soluzione a prodotto matriciale del processo di esclusione asimmetrica che fornisce lo stato stazionario esatto di un sistema eccitato. Il suo lavoro con Lebowitz e collaboratori sulle grandi deviazioni della densità e della corrente costituisce un esempio paradigmatico e risolvibile della teoria delle fluttuazioni macroscopiche fuori dall’equilibrio.
Deepak Dhar
Il risultato principale di Dhar è la soluzione esatta del modello abeliano della pila di sabbia, proposto da Bak, Tang e Wiesenfeld nel 1987 come paradigma della criticità auto-organizzata. Dhar ha osservato che gli operatori di rilassamento commutano tra loro, dotando così all’insieme delle configurazioni ricorrenti di una struttura di gruppo abeliano. Questa semplice osservazione ha reso il modello esattamente risolvibile: Dhar lo ha messo in relazione con il limite q → 0 del modello di Potts a q stati. Egli ha fornito inoltre altri contributi fondamentali nel campo della meccanica statistica. Nel 1983 ha ottenuto risultati esatti sugli «animali reticolari» orientati (directed lattice animals), collegando i problemi di enumerazione ai gas su reticolo a nucleo duro (hard-core lattice gases). Nel 1989 ha introdotto e risolto una versione diretta del modello abeliano della pila di sabbia. Negli ultimi anni ha dato un importante contributo alla transizione di fase tra la fase nematica a quella disordinata.
Marc Mézard
I primi lavori di Mézard costituiscono uno dei fondamenti della teoria dei vetri di spin: insieme a Parisi e Virasoro, ha sviluppato il metodo delle cavità, una riformulazione probabilistica della rottura della simmetria di replica, che risulta spesso più trasparente rispetto al “trucco delle repliche”, ed è coautore del testo di riferimento del settore, Spin Glass Theory and Beyond (1987). Insieme a Virasoro, ha scritto un articolo fondamentale sulla natura delle equazioni che descrivono l’organizzazione ultrametrica degli stati puri, mentre con Gross ha dimostrato che il Random Energy Model di Derrida costituisce il limite per p infinito del modello a p spin. Ha poi esteso queste idee all’informatica e all’inferenza: con Parisi, ha mappato problemi di ottimizzazione combinatoria, come il matching e il problema del commesso viaggiatore (travelling salesman), su sistemi disordinati, e con Parisi e Zecchina ha risolto il problema della soddisfacibilità casuale e ha derivato il metodo della survey propagation (Science, 2002).
Lo stesso programma si estende ai codici per la correzione degli errori, al compressed sensing e, nel libro scritto con Montanari, a una trattazione unificata di informazione, della fisica e del calcolo. Più recentemente il suo interesse si è concentrato sulla teoria dell’apprendimento nelle reti neurali. I suoi recenti lavori sull’analisi, mediante la meccanica statistica, dei modelli generativi e delle corrispondenti equazioni di Langevin all’indietro, hanno suscitato grande attenzione sia nella comunità della fisica che in quella dell’informatica.
Haim Sompolinsky
Sompolinsky ha iniziato la sua attività scientifica nell’ambito della fisica dei vetri di spin: con Zippelius, ha formulato la dinamica di rilassamento del modello di Sherrington-Kirkpatrick.
Insieme ad Amit e Gutfreund, ha introdotto i metodi della meccanica statistica nel campo delle neuroscienze teoriche risolvendo il modello di Hopfield. Ha inoltre calcolato la capacità di memorizzazione di numerosi modelli di reti neurali attrattive. Ha esteso la sua teoria dinamica di campo medio (1988) a numerosi esempi di reti biologiche e artificiali. Ha ottenuto molti risultati rilevanti nello studio dei modelli di funzionamento cerebrale, ad esempio quelli che spiegano l’attività irregolare osservata nella corteccia. Più recentemente, ha ottenuto risultati di grande interesse sulla geometria delle rappresentazioni neurali e sulla capacità delle varietà di oggetti nelle reti profonde.
Centro internazionale di fisica teorica Abdus Salam (ICTP)
Il Centro internazionale di fisica teorica Abdus Salam (ICTP) ha la triplice missione di condurre ricerca fondamentale ai più alti livelli, promuovere un impegno attivo nei confronti di scienziate e scienziati di tutto il mondo e far progredire la cooperazione internazionale attraverso la scienza. Fondato nel 1964 dal Premio Nobel Abdus Salam e dal fisico italiano Paolo Budinich, l’ICTP è forza trainante negli sforzi globali per far progredire la ricerca avanzata e la conoscenza scientifica nel Sud globale.
