8岁读完高中15岁拿下物理博士 下一站：永生
8岁读完高中，15岁拿下博士学位。
这位来自比利时的神童Laurent Simons，答辩结束后，没有庆祝，没有休息。
接下来，Simons要开启人生第二个博士方向：用AI攻克人类衰老，实现永生。
他说，死亡只是一个还没拼完的“拼图”。
8岁读完高中，神童的开挂人生
打开Laurent Simons的个人履历，简直就是一个彻底“开挂”的人生。
4岁上小学，6岁读完全部课程，8岁高中毕业。别人刚上三年级，他已经把K-12全部走完了。
9岁，他又进入荷兰埃因霍温理工大学攻读电气工程学士。
原本计划10个月读完三年课程，后来因为与校方在毕业时间上产生分歧，他转到比利时安特卫普大学，改修物理学。
三年的学士课程，他仅用18个月读完。12岁那年，他获得了量子物理学硕士学位。
紧接着，他又在15岁这一年，拿下了量子物理学博士学位。
研究方向，是量子物理中最硬的那一块：量子态的相干性与退相干机制。
15岁博士“疯狂转向”
从量子物理到人类衰老
拿到量子物理博士学位后，Simons做了一个让导师都没预料到的选择：
他申请了第二个博士学位，方向是医学与AI的交叉领域。
研究目标只有一个，那便是理解人类衰老的底层机制，并找到延长健康寿命的路径。
这个想法不是突然冒出来的。早在11岁时，西蒙斯就确定了这个方向。
原因很痛——Simons的祖父母都患有心血管疾病。
我不希望其他人也经历失去至亲的痛苦。 我的目标是更深入地理解疾病的过程，创造能改变热人类生活方式和健康状况的解决方案，而不仅仅是缓解症状。
这不是一个15岁少年的“浪漫幻想”。
Simons给出了非常具体的研究框架，他把衰老看作一个“多系统耦合”的复杂工程问题——
生物学：提供了衰老的表征（端粒缩短、DNA损伤累积、蛋白质折叠错误、线粒体功能衰退）；
物理学：提供了理解这些过程的底层工具（热力学、信息论、量子生物学）；
工程学：提供了干预手段（基因编辑、药物设计、纳米机器人）。
而AI，是把这三条线串起来的“胶水”。
在Simons看来，死亡就像一个极其复杂的拼图，碎片散落在生物学、物理学和工程学里。
过去这些学科各自拼各自的角落，没有人试过把整张拼图拼起来。
而现在，他要做的就是这件事。
一次精心设计的“跨界”
有人可能会问：量子物理和“永生”有什么关系？
这实际上，是一场由微观通向宏观的漫长伏笔。
Simons的博士论文研究的是“玻色-爱因斯坦凝聚态”（BEC）。这是一种只有在接近绝对零度的极端条件下，才会出现的物质状态。
在这种状态下，原子放弃了各自的“个性”，合并成一个单一的量子系统，表现出完全不同于日常世界的行为。
论文中，Simons的研究重点是，当外来物质被引入这类系统时会有何表现。
他还研究了物质“超固体”相：同时具有超流体性（极低粘度）和结构固态性（高粘度）的矛盾状态。
听起来极其抽象？
但这类研究，恰恰是“量子计算”和“精密测量技术”的基础。
这一切研究，都是在为未来打地基。
Simons表示，“我选择物理学作为我的专业，是因为在我看来，要彻底理解宇宙，就必须通过物理学”。
死亡这张“拼图”，用AI去解
答辩结束后，Simons几乎没有给自己留任何休息时间。
他直接飞往德国慕尼黑，进入慕尼黑大学（LMU），正式启动了第二个博士项目。
为什么选AI？不言而喻，AI正在重塑整个生物医学研究的底层逻辑。
医学影像分析、癌症早期检测、蛋白质结构预测——这些曾经需要数十年的工作，现在被AI系统压缩到了以天甚至以小时为单位的时间尺度。
而西蒙斯要把这种分析能力用在一个更宏大的目标上——理解衰老的生物学过程。
他特别提到了一个方向：人工器官。
我对创造能够替代退化身体部件的工程化系统特别感兴趣。
说白了就是，当你的心脏、肝脏、肾脏因为衰老而报废时，用工程手段造一个新的装上去。
Simons的判断是：这不是一个靠天才就能解决的问题，这是一个靠智能规模才能解决的问题。他计划用AI做三件事：
第一，跨学科数据融合。
把分散在生物学、物理学、化学、医学各自文献库里的衰老相关数据，用LLM做结构化整合，找到人类研究者看不到的跨域关联。
第二，假说生成与验证加速。
传统生物医学研究的瓶颈不是实验能力，是假说质量。
大多数实验室花80%的时间在验证低质量假说上。
AI可以通过大规模文献分析和分子模拟，在实验之前就过滤掉不靠谱的方向。
第三，药物与干预手段的计算筛选。
抗衰老药物的候选分子空间是天文数字级的，传统高通量筛选太慢太贵。
AI驱动的分子设计和虚拟筛选，可以把这个过程压缩几个数量级。
人类永生，能成吗？
Simons的方向并不孤立。
过去两年，AI在生物医学领域的进展已经从“概念验证”走到了“产业落地”。
AlphaFold解决了蛋白质结构预测的五十年难题。Isomorphic Labs用AI设计的药物分子已经进入临床前阶段。
Insilico Medicine用AI从靶点发现到临床候选药物只花了18个月，传统流程通常需要4-5年。
Simons的独特之处在于，他没有从AI出发去找生物学应用，而是从物理学出发去重构衰老的底层模型，再用AI来加速这个重构过程。
量子物理的训练给了他一个大多数生物学家没有的工具：用第一性原理思考问题。
不是在现有框架里修修补补，而是追问——衰老的信息论本质是什么？细胞层面的熵增是否可逆？生物系统的量子效应在衰老中扮演什么角色？
这些问题听起来像科幻，但在量子生物学领域，它们已经是严肃的研究课题。
能不能成功？
Simons说，可能要用一辈子来回答。
一个15岁的人，愿意把一生押注在一道没有标准答案的题目上。
这本身，就已经是一种回答。
