1、上海交大人工智能学院程远团队发布全球首个偏振感算器“玄鉴”

2、中科院苏州纳米所康黎星等合作Advanced Materials：内嵌碳纳米管三值逻辑晶体管

3、西安电子科技大学学生获IEEE国际计算电磁学会议最佳学生论文奖

4、中科大：《化学教育》杂志封面报道我校机器学习结合红外光谱实验教学研究成果

1、上海交大人工智能学院程远团队发布全球首个偏振感算器“玄鉴”

4月14日，上海交通大学人工智能学院程远课题组在智能感知与光电计算交叉方向取得重要进展。团队在Nature Sensors发表最新成果——“Self-reconfigurable polarization perception in dual-anisotropy heterostructures for high-dimensional in-sensor computing”，发布全球首个偏振感算器“玄鉴”PolarSight SPU。该成果首次将偏振感知阵列与光神经网络前端深度融合，使系统能够在获取偏振信息的同时完成前端特征处理与计算，为全场景通用智能感算系统提供了新的技术路径。程远副教授为论文通讯作者。

研究背景：光里还藏着一层传统视觉难以利用的信息

今天的大多数视觉系统主要依赖亮度、颜色和空间纹理来理解世界。但真实世界中的光并不只有这些信息。除了明暗和色彩之外，光还携带着偏振这一重要维度。偏振能够反映物体表面结构、材质属性、微观纹理以及复杂环境中的散射特征，是人眼难以直接感知、传统成像系统也常常难以充分利用的一类隐藏信息。

这意味着，在各类视野受限场景中，例如低照度、低对比度、复杂材质干扰、散射环境和动态遮挡条件下，现有视觉系统从输入端开始就丢失了部分关键信息。很多原本存在于光中的线索，在进入传统传感器后就被压缩或舍弃，后续算法只能围绕不完整的输入继续处理。

因此，下一代机器人视觉系统的关键，不只是后端模型更强，也在于能否从感知入口开始，保留并利用这些长期被忽视的光学信息。

偏振高维传感计算架构示意图

该架构将偏振敏感器件阵列集成至光学神经网络感知端，通过垂直晶格取向实现偏振维度的原生感知与可重构计算。

技术突破：从传感器到“感算器”

围绕这一问题，程远副教授团队联合韩国科学技术院Joonki Suh教授团队及多家国际研究机构，提出并实现了全球首个偏振感算器“玄鉴”。

玄鉴并不是传统意义上只负责采集信号的传感器，也不是单纯放在后端执行运算的处理器。它把偏振感知与前端计算合并在同一物理入口中，是一种兼具感知与处理能力的新型硬件单元。团队将这一类器件定义为Sensing-Processing Unit，简称SPU。

这项工作的核心突破，在于将偏振感知阵列直接接入光神经网络前端，使系统在接收光信息的同时完成特征增强、信息重组和部分非线性处理。传统视觉链路通常遵循采集、传输、计算的流程，而SPU把其中一部分处理能力前移到了感知入口。

更重要的是，SPU具备自重构能力。它能够根据入射光的偏振状态形成不同响应模式，在同一前端中生成互补的信息通道。这样一来，进入后续网络的不再只是单一强度图像，而是经过前端主动组织后的可计算表征。偏振不再只是额外信息，而成为系统可直接利用的处理资源。

自重构偏振感知的核心机制

传感器阵列在不同角度偏振光激发下呈现多种响应模式，实现全光学自重构，为高维特征提取提供物理基础。

应用落地：在视野受限场景中提升感知能力

在真实环境中，感知系统经常面临各类视野受限场景，例如低照度、低对比度、雾霾散射、强反光、复杂材质干扰以及动态遮挡等。在这些条件下，传统视觉系统对目标的分辨能力会明显下降，很多关键目标在普通强度图像中难以被稳定识别。这也是自动驾驶、机器人感知和复杂环境视觉系统长期面临的共性问题。

研究团队将SPU接入光神经网络前端，构建端到端混合光电视觉架构，在视野受限任务中同时处理连续帧的强度信息和偏振信息。结果表明，基于SPU的系统在目标识别性能上显著优于传统光学方案，并接近先进电子神经网络水平。夜间场景是这一能力的重要验证场景之一。

进一步分析显示，在视野受限条件下，传统强度传感器输出往往难以充分拉开不同目标之间的特征差异，而SPU通过互补响应通道保留了更多隐藏偏振线索，使目标在进入后续网络之前就已经具备更好的可分性。系统性能的提升，不仅来自后端模型，也来自输入端信息质量的改善。

基于自重构偏振传感器阵列的高维动态视觉处理

在三维动态感知中融合空间、时间与偏振信息

为了进一步验证系统处理复杂信息的能力，研究团队提出空间与偏振联合编码方法，将三维物体不同深度的切片信息映射到不同偏振角度中。通过这种方式，原本分散在空间中的结构信息被组织为前端可直接处理的偏振序列。

在运动车辆方向识别和动态三维物体分类等任务中，基于SPU的光神经网络均表现出明显优势。实验结果表明，SPU不仅适用于二维图像，还能够有效融合空间、时间和偏振多个维度的信息，展示出其作为新一代视觉入口的潜力。

三维动态物体识别的感算器实现未来展望：为下一代视觉系统重写第一层

这项工作的重要意义，在于它证明了视觉系统的性能提升不仅可以依赖更强的后端模型，也可以来自更聪明的输入端。

本研究让机器第一次真正获得了一种面向隐藏光学信息的前端能力。它把原本会在采集阶段丢失的偏振信息，转化为可以直接参与处理与判断的有效表征；把传统视觉链路中分离的感知与计算进一步拉近；也把感知设备从记录世界的入口，推进为理解世界的起点。

随着制备工艺和集成规模的进一步提升，SPU有望在全场景AI落地持续拓展应用。团队相关感算一体系统研究成果已在高端制造、机器人等场景中批量产业化并完成大规模部署，支撑面向Agentic AI的实时感知、前端计算与闭环决策，为下一代光计算系统和端侧视觉系统提供了新的前端架构思路。

上海交通大学人工智能学院程远副教授与韩国科学技术院Joonki Suh教授担任通讯作者，博士后朱文轩、博士生张若凡、本科生路茗淳、严骏驰教授等均对本文做出重要贡献。该研究得到了国家自然科学基金及产业项目资助。

2、中科院苏州纳米所康黎星等合作Advanced Materials：内嵌碳纳米管三值逻辑晶体管

受限于基础物理极限，硅基晶体管的尺寸已无法继续按比例缩小，越来越难以满足人工智能等前沿领域日益增长的计算需求。为此，研究人员正积极开发新型沟道材料，并探索替代传统冯·诺依曼架构的方案，以期取得能够延续甚至超越摩尔定律的突破性进展。然而，基于二进制电路的系统中最关键的挑战之一仍然是功能单元之间及内部连线的片上互连。随着晶体管密度的持续提升，互连所占用的面积预计将超过逻辑单元，这对进一步的微缩与集成构成了重大障碍。多值逻辑（MVL）因其更高的计算效率和数据吞吐能力，被认为是缓解这一问题的有前景的方案。与二进制逻辑不同，MVL在单个逻辑单元内包含多个逻辑状态，能够执行更复杂的运算，从而从根本上降低功耗和芯片面积。传统硅基金属氧化物半导体场效应晶体管（MOSFET）是为二进制逻辑设计的，其固有的电学特性和工艺限制阻碍了MVL所需的多个稳定电压状态的实现。

半导体型单壁碳纳米管（s-SWCNT）凭借其一维超薄结构和极高的载流子迁移率，被认为是亚纳米超制程技术节点的重要候选材料。然而，如何将这些固有优势转化为电可寻址的MVL器件，仍然是一个挑战。这一困难主要源于在限域体积内定义和稳定多个不同的电导状态，并将其可靠地耦合到输出信号的问题，从而限制了它们在复杂计算系统中的潜在应用。

针对上述问题，中国科学院苏州纳米所康黎星研究员及合作者提出了一种由s-SWCNT和乙酰丙酮钇（Y(acac)3）组成的一维同轴异质结构，并将其用作晶体管的沟道材料。该晶体管表现出多个电阻态，适用于MVL电路。该方法实现了s-SWCNT内部均匀且稳定的掺杂，有效缓解了由于表面悬挂键导致的金属-半导体接触退化和载流子散射。s-SWCNT一维中空腔体的径向限域作用诱导了封装Y(acac)3分子的形变。这一解释与高角环形暗场扫描透射电子显微镜图像中观察到的衬度特征一致，并得到了光谱学证据和密度泛函理论计算的进一步支持。这种形变增强了分子的极化率，从而在外电场下产生更显著的极化响应。通过这一机制，在晶体管的工作电压范围内实现了沟道载流子的协同捕获与释放，进而在同一器件内产生稳定的多电阻态。基于这一特性制备的三元逻辑电路对输入信号具有选择性，能够准确识别输入信号的最大值或最小值并产生相应的输出。此外，还展示了三元权重网络（TWN）在神经形态计算中的潜力。进一步地，通过实验和理论研究，将这一概念推广到由其他金属乙酰丙酮配合物与s-SWCNT构成的一维异质结构体系。与传统的多值逻辑方案相比，该工作避免了复杂的能带工程或多层堆叠，更有利于大规模集成，并为理解一维异质结构内的构效关系以及实现三元逻辑晶体管提供了新的视角。

图1 基于Y(acac)3@s-SWCNT异质结构的柔性晶圆制备过程及其电学均匀性表征

图2 Y(acac)3@s-SWCNT异质结构实现ternary逻辑功能的物理机制

图3 基于Y(acac)3@s-SWCNT ternary晶体管的逻辑门电路设计及其电压传输特性曲线

图4 Ternary权重网络（TWNs）在神经形态计算中的应用

相关成果以Filled carbon nanotube ternary transistors为题发表于Advanced Materials。中国科学院苏州纳米所博士生滕宇、姚建，博士后王琦男为论文共同第一作者，中国科学院苏州纳米所康黎星研究员、西交利物浦大学赵春教授和新加坡国立大学Mario Lanza教授为共同通讯作者。该研究获得了国家自然科学基金、中国科学院“率先行动”引才计划、江苏省前沿技术研发计划等项目的经费支持，以及中国科学院苏州纳米所纳米真空互联实验站（Nano-X）和纳米加工平台的技术支持。

3、西安电子科技大学学生获IEEE国际计算电磁学会议最佳学生论文奖

2026年4月10日至12日，2026 IEEE国际计算电磁学会议（IEEE International Conference on Computational Electromagnetics）在中国上海成功举办。本次会议由IEEE天线与传播学会(AP-S)和同济大学共同主办，武汉大学、复旦大学等协办，共邀请9位国际知名学者做特邀报告，设置32个专题分会场，围绕电磁计算方法、仿真建模技术和高性能计算等方向展开交流研讨。该会议是计算电磁学领域的顶级盛会。

本次会议共计录用论文300余篇，其中200余篇论文报名参加学生论文竞赛，经大会技术委员会(TPC)专家的严格筛选与评审，确定了11篇学生论文竞赛候选资格，终评环节由IEEE Fellow、特拉维夫大学教授Amir Boag和曼尼托巴大学教授Vladimir Okhmatovski共同担任评审委员会主席，最终评选出6篇获最佳学生论文奖（Best Student Paper Awards），分别来自上海交通大学、香港理工大学、复旦大学、电子科技大学、同济大学和西安电子科技大学。

西安电子科技大学雷达探测感知全国重点实验室2022级博士生徐宙投稿的论文《An Iterative ACA-Accelerated Framework for Broadband Analysis of Platform-Mounted Antennas》荣获最佳学生论文三等奖，指导教师为王兴教授和刘春恒教授。该论文提出了一种新型高低频混合宽带快速算法，实现了复杂多尺度平台阵列天线宽带辐射特性的高效分析，为机载、舰载等复杂平台阵列天线设计提供技术支撑。

获奖证书

4、中科大：《化学教育》杂志封面报道我校机器学习结合红外光谱实验教学研究成果

近日，美国化学会旗下的Journal of Chemical Education（下文简称为JCE）发表我校数智化实验教育重要成果“Machine Learning-Enabled Quantification of Characteristic Carbonyl Peak Shifts in Infrared Spectra: An Instrumental Analysis Laboratory Experiment for Upper-Division Undergraduates”（J. Chem. Educ. 2026, 103, 4, 2158–2168），这是我校首次在该期刊发表数智化实验教学研究成果，并入选本期封面。JCE于1924年创刊，是化学教育国际顶级期刊。

图.JCE 2026年第4期封面

该工作创新性地将机器学习方法引入红外光谱实验教学，以红外光谱中具有代表性的羰基（C=O）特征吸收峰为研究对象，指导学生在传统红外光谱实验基础上构建包含百余种羰基化合物的光谱数据库，运用线性回归、随机森林回归和支持向量回归三种机器学习模型对吸收峰波数进行建模预测，并进一步利用SHAP（沙普利加性解释）方法对模型进行分析，成功量化了氯、氨基、甲基、羟基等不同取代基对羰基特征峰位移的影响，其定量结果与教科书中的经典理论（如诱导效应、共轭效应）高度吻合，初步实现了从定性描述到可视化定量分析的教学跨越。

文章第一作者为化学与材料科学学院周强，通讯作者为化学与材料科学学院朱平平、胡万群、周强及工程科学学院董逸伦。参与该工作的5位本科生合作作者为信息科学技术学院夏明宇、微电子学院牛文豪以及化学与材料科学学院王震宇、张梦晗和吴伟灏。基于该项教研成果的数字化设计作品，曾在“第五届全国大学生化学实验创新设计大赛—实验数字化设计竞赛”中荣获全国总决赛特等奖。

该研究工作得到了安徽省自然科学基金（2408085ME104）、安徽省质量工程项目（2024qyw/sysfkc001；2024jyjxggyjy018；2024jyxm0026；2023kcszsf001；2021kcszsfkc469）、校级本科质量工程（2025xsx01；2025xzhkc01；2024xjyxm021；2024xjyxm051）、校级研究生教育创新计划（2024ycjg04）以及教育部首批虚拟教研室——大学化学实验课程群虚拟教研室的支持。