库里到底强在哪？这群物理学家给出了答案

谁说篮球靠直觉？现在，防守站位都可以用微积分来算了。

你可能觉得NBA是力量与速度的竞技场，是球星对抗、战术博弈的高光舞台。

但在康奈尔大学的一群物理学家眼中，NBA球场更像是一个活生生的“多体量子系统”：10个球员加一个篮球，就是11个动态粒子，布朗运动，波函数，互相作用，一切皆可建模。

最近，他们真的把原本用来预测电子分布的密度泛函涨落理论（Density-Functional Fluctuation Theory, DFFT）搬到了篮球场上，直接用来模拟和评估球员的站位、跑动、防守策略，甚至量化一个球员的“引力”（也就是他对防守方注意力的吸引程度）。

乍一听像是胡闹，但这玩意儿还真被他们整出了成果，登上了《Scientific Reports》，而且很有可能会改变未来NBA球队的数据分析方式。

物理公式打篮球？真不是说笑

这个研究项目的主导人，是康奈尔大学物理系的托马斯·阿里亚斯教授（Tomás Arias）。他原本是做量子多体系统研究的，对篮球兴趣并不大。

但某天在研究人群聚集行为（比如音乐节上的人流分布）时，他突然灵机一动：这些人流移动模式不就像电子在势场中运动一样吗？而篮球场上的球员，不就是更有组织、更受规则约束的“宏观粒子”吗？

于是他和团队展开了试验，把用于量子系统的DFFT理论，套在了篮球比赛的数据上，看看能不能预测球员位置和防守效率。

最早他们只是做个模型试试水，但结果非常鼓舞人心。

2023年，他们在美国物理学会年会上首次展示成果，当时他们还是用传统的密度泛函理论（DFT），现在已经升级为DFFT版本，专门用来研究空间中的个体分布偏好和相互作用关系。

你可以理解为，他们在用科学方式回答这样一个问题：

“当你看到球场上10个球员站成一锅粥，怎么知道这是失位了，还是战术跑位？”

数据怎么来？怎么分析？

这次他们选用了2022–2023年NBA赛季上半段的球员追踪数据。只分析阵地战（不包括快攻），并且聚焦在每次出手前3秒内的球员与篮球位置。

他们把这些数据喂进DFFT模型，让模型根据位置波动、球员偏好等“场内自然行为”，反推出最可能的站位布局，然后推算出：

• 当前这10个球员的位置，进攻方有多大概率得0分、2分或3分？
• 哪个球员对防守布阵起到了关键作用？
• 每个球员的“引力值”是多少？也就是他能吸引多少防守注意力。

这不是简单的“某人投得准”这种标签化分类，而是从球员行为轨迹反推他们在无球状态下的战术价值

而且，这个模型最大好处是不需要先假设谁是好球员谁是坏球员，一切数据说话。

什么是“球员引力”？库里：这题我熟

我们来重点说说这个“球员引力”（Player Gravity），这是目前联盟最被热议但最难量化的一个概念。

在战术分析中，我们常说某个球员“有引力”：比如库里站在外线就能吸引两个防守人贴上去，他哪怕不持球，整个防线也得因他移动。可这个“吸引力”以前都是凭教练、解说员、球迷感觉说的，没有一个统一标准。

DFFT模型第一次尝试了精确量化引力的操作。

研究人员选了出场时间最多的50名球员作为样本，并特别加上了斯蒂芬·库里

注意，库里原本不在首批样本中，结果2024年他们在MIT斯隆体育分析大会展示时，全场观众第一句话就是：“你们没分析库里？这模型还有啥参考价值？”

他们赶紧补上，然后就得出惊人结论：

库里在三分线外没拿球的“引力”，甚至超过了大部分球员持球时的引力。

简而言之，他站那，别人就得去贴他，不然就要被投穿了。甚至模型还发现：库里靠近篮下时，引力反而下降了，这说明他真正威胁的是空间延展性，而不是近距离单打。

还有个有趣的发现来自约基奇

模型发现他的“引力”具有非本地性：虽然他拿球的地方在场的一侧，但对面一侧的防守密度也会跟着上升，因为大家知道他喜欢传球，经常“盲传”给弱侧埋伏队友。简单说：他在这边拿球，对面也得紧张。

防守智商，也能算出来？

有了这套理论，研究团队正在向更深入的方向探索，比如说：

• 谁总能出现在最该出现的位置？
• 谁对“看不见的风险”有提前预判？
• 哪个球员擅长协防、补防，而不是只是“贴着人”？

这就是他们想要开发的另一个关键指标：Defensive IQ（防守智商）。

以前这些是靠视频分析、教练经验判断的，但未来很可能能被DFFT模型量化成一组参数，你提前移一步防到位，还是慢半拍被人晃飞，都会在数据上“有迹可循”。

如果进展顺利，这些理论可以直接反馈到训练营中，帮助教练对症下药，甚至还可以预测哪些球员未来有潜力。

篮球的未来，不只是身体素质的比拼，更是模型之间的战争

很多人都说，“现代篮球越来越像是一场数据革命”。

这话没错，但你可能没意识到的是：我们现在用的数据，已经不是简简单单的“投篮命中率”或者“效率值”，而是引入了整个量子物理级别的理论框架。

这套研究也许未来会被NBA球队买断，用于战术布置、选人、赛前模拟、甚至AI教练建模。

大胆猜想一下，未来比赛前不再是“看录像”，而是直接跑一组模型，输入今天对手的首发、进攻倾向、换防策略，然后DFFT模型直接给你输出：

• 防守布阵站位图
• 轮转换位建议
• 哪个点最容易漏防
• 谁该作为主攻点来撕开对手防线

到那时候，打篮球可能真的不再靠“教练拍脑袋”，而是靠一组方程的解。

参考文献

• Boris Barron et al.Analyzing NBA player positions and interactions with density-functional fluctuation theoryScientific Reports, 2025. DOI: 10.1038/s41598-025-04953-x