2025年度ACM博士论文奖揭晓！这项由美国计算机协会（ACM）自1978年设立的权威奖项，每年从计算机科学与工程领域评选出一篇最佳博士论文，颁发两万美元奖金，荣誉提名奖金一万美元。获奖论文将收入ACM图书系列，并在数字图书馆永久出版——今年公布的是2025年的评选结果。

本届ACM博士论文奖授予MIT博士、现任纽约大学库朗数学、计算与数据科学学院计算机科学助理教授Allen Liu（刘书亮）。其博士论文题为《Learning Theoretic Foundations for Understanding Quantum Systems》。

刘书亮的研究领域广泛，核心聚焦于算法与机器学习理论。近期他尤其关注机器学习和语言模型的基础理论，同时在计算与统计的基本问题、科学中的反问题（特别是量子信息相关问题）方面积累了丰富成果。2025年秋季前，他曾在加州大学伯克利分校担任Miller博士后研究员。值得一提的是，他本科同样毕业于MIT，主修数学，博士阶段转向计算机科学。

如果你关注过数学竞赛，可能会对刘书亮印象深刻——2014至2016年，他连续三届代表美国奥数队获得国际数学奥林匹克（IMO）金牌，其中2016年更是获得满分成绩。2020年，他还进入了阿里巴巴数学竞赛决赛。

本次荣誉提名授予两位学者：博科尼大学博士后研究员Gal Arnon，其论文《New Advancements in Interactive Oracle Proofs: Theory, Practice, and Limitations》完成于魏茨曼科学研究所博士学位期间；另一位是MIT助理教授Rachit Nigam，论文《Modular Abstractions for Efficient Hardware Design》基于他在康奈尔大学获得的博士学位。

ACM博士论文奖

论文标题：《Learning Theoretic Foundations for Understanding Quantum Systems》 论文地址：https://dspace.mit.edu/entities/publication/86bf5543-05b9-45e0-9cfc-2cc342559582

理解并驾驭量子系统的能力有望深刻改变科学与技术的诸多领域。然而，在实现这些愿景之前，需要更深入地认识量子系统的基本行为特征。这篇论文提供了一个全新视角——从学习理论出发，构建理解量子系统及其结构性质的新范式。

研究结果令人惊讶：它颠覆了以往对某些基本规律的认知，并在一些此前被认为极具挑战的场景中，提出了可证明高效的量子系统学习算法。具体而言，在典型的量子多体系统中，粒子依据特定几何结构发生局域相互作用——通常由局域哈密顿量描述。这里涉及两个关键问题：第一，理解给定哈密顿量系统的平衡性质；第二，从系统性质的测量结果中逆向推导出该哈密顿量。

针对第一个问题，论文证明了一条普适规律：在仅与几何结构相关、与系统规模无关的特定临界温度下，纠缠会“骤然消失”。针对第二个问题，论文首次提出一个能在任意温度下高效恢复哈密顿量的算法，突破了以往低温环境下的瓶颈。

除局域相互作用系统外，论文还探讨了一般量子态性质的学习与检验，聚焦统计复杂性与近期量子设备限制之间的关联。在此限制下，研究仅允许对量子态的有限副本进行纠缠测量。针对多种与近期量子设备相关的场景，论文明确了在单副本测量和多副本测量下，学习与检验问题所能达到的最优速率。

ACM博士论文奖荣誉提名

论文1：New Advancements in Interactive Oracle Proofs: Theory, Practice, and Limitations 论文链接：https://galarnon42.github.io/gal_thesis.pdf

概率证明系统使得一个强大的证明者能够说服计算能力较弱的验证者，使其相信某个大规模、复杂计算结果的正确性。这类看似神奇的工具在理论与实践领域均具有至关重要的地位。理论上，它推动了PCP定理、零知识证明及近似难度等方向的突破；实践中，它已成为提升云计算与区块链技术可扩展性的核心组件，被广泛部署并用于保障价值数十亿美元的交易安全。