1.中国科学院微电子研究所：叶甜春研究员当选IEEE Fellow；

2.“启蒙”处理器芯片全自动设计系统多项研究成果获NeurIPS25和AAAI26录用；

3.西安交大周迪教授团队在聚合物储能领域取得系列进展

1.中国科学院微电子研究所：叶甜春研究员当选IEEE Fellow

近日，IEEE（Institute of Electrical and Electronic Engineers，美国电子电气工程师学会）公布了2026年度会士（Fellow）名单。中国科学院微电子研究所的叶甜春研究员凭借其在先进器件科学与技术领域的卓越贡献及其在中国产生的重大社会影响而获此殊荣。

叶甜春研究员是中国集成电路（IC）工艺与器件领域的重要学术带头人之一，曾担任中国科学院微电子研究所所长。2008年，他被国务院任命为国家科技重大专项"极大规模集成电路制造装备及成套工艺"技术总师。2019年，他还被选为国际欧亚科学院院士。

在三十余年的科研生涯中，叶研究员在集成电路先导工艺与器件、纳米加工等核心技术领域取得了显著的创新成就，先后获得国家技术发明二等奖3项、中国科学院杰出科技成就奖1项、中国科学院科技促进发展奖1项以及7项省部级科技奖项。他拥有超过120项发明专利授权，在国际顶尖学术期刊和会议上发表了300多篇学术论文，并培养了200多名硕士和博士研究生。作为国家重大专项技术总师，他组织协调集成电路产业链上下游紧密协作开展技术攻关，为推动中国集成电路产业从工艺到装备的技术水平实现跨越式发展作出了重大贡献。

IEEE成立于1963年，是全球最具影响力的专业技术组织之一，致力于推动科技进步造福人类。该组织在全球190多个国家拥有超过50万名会员，是电气与计算机科学、工程及相关众多领域的权威机构。IEEE出版了全球约三分之一的电气工程、计算和电子技术领域的专业文献，并制定了超过1000项现行标准。

IEEE会士称号授予在相关领域取得杰出成就的高级会员，每年获此荣誉的人数不超过IEEE具有投票权会员总数的0.1%。会士是IEEE会员的最高级别，被公认为一项崇高的荣誉和重要的职业成就。（来源：中国科学院微电子研究所）

2.“启蒙”处理器芯片全自动设计系统多项研究成果获NeurIPS25和AAAI26录用

“启蒙”处理器芯片全自动设计系统致力于基于人工智能技术实现处理器芯片软硬件的全自动设计。该系统实现自动处理器前端设计、自动HDL代码生成、自动编译器设计、自动高性能库生成、自动操作系统参数配置等处理器芯片设计的多个关键环节，由实验室的陈云霁、郭崎团队提出并长期推进。“启蒙”处理器芯片全自动设计系统的4项成果获2025年人工智能国际顶级会议NeurIPS（The 39th Annual Conference on Neural Information Processing Systems，CCF-A类）录用，同时2项成果获2026年人工智能国际顶级会议AAAI（The 40th Annual AAAI Conference on Artificial Intelligence，CCF-A类）录用，这些研究成果涵盖自动HDL代码生成、自动编译器设计、自动高性能库生成。

论文

《QiMeng-CodeV-R1: Reasoning-Enhanced Verilog Generation》

该论文被NeurIPS2025录用。第一作者为实验室助理研究员朱耀宇。

QiMeng-CodeV-R1针对从自然语言自动生成Verilog代码的问题，提出一种基于可验证奖励的强化学习（RLVR）方法。现有的RLVR方法在应用于电子设计自动化（EDA）时通常面临三个关键挑战：缺乏自动化和准确的验证环境，导致代码正确性难以评估；高质量自然语言-代码对数据稀缺，限制了模型训练效果；以及RLVR训练计算成本过高，难以大规模应用。本文提出的CodeV-R1方法，通过集成自动化验证、数据合成和高效训练的思路，设计了一个包含测试平台生成器、往返数据合成和两阶段训练管道的完整框架。具体来说，该方法首先利用规则生成测试平台进行等价检查，然后通过合成和过滤生成高质量数据集，最后采用“蒸馏-强化学习”流程降低训练成本。实验结果表明，CodeV-R1-7B模型在VerilogEval v2和RTLLM v1.1基准上分别达到68.6%和72.9%的pass@1性能，相比之前最优方法提升12%~20%，甚至在RTLLM上超过了671B参数的DeepSeek-R1模型。

论文

《QiMeng-SALV: Signal-Aware Learning for Verilog Code Generation》

该论文被NeurIPS2025录用。第一作者为实验室博士生张炀，指导老师为张蕊副研究员和郭家明副高级工程师。

QiMeng-SALV针对自动HDL代码生成问题，提出一种细粒度的信号级强化学习优化方法。现有方法通常面临由于缺乏高质量HDL训练数据导致强化学习训练中难以获得有效功能奖励的问题。本文提出的信号感知学习方法，通过信号感知验证和AST分析，从部分错误的模块中提取功能正确的代码片段，将强化学习优化从模块级转变到信号级，从而为强化学习提供了更细致更有效的功能奖励信号，实现了更好的训练效果。实验结果表明，QiMeng-SALV在VerilogEval和RTLLM基准上超过了所有的开源非推理模型，达到了最佳性能，并在RTLLM v2.0基准上达到了62.0%的pass@1的性能，使我们提出的信号级强化学习方法相比传统模块级方法提升了10.9%，并以7B的参数达到了和671B参数的Deepseek-V3相当的性能。

论文

《QiMeng-MuPa: Mutual-Supervised Learning for Sequential-to-Parallel Code Translation》

该论文被NeurIPS2025录用。第一作者为实验室硕士生柯昌鑫，指导老师为张蕊副研究员。

QiMeng-MuPa针对代码自动并行化的功能等价性难题，提出一种互监督学习方法。现有的自动翻译方法通常面临数据稀缺与功能不等价的问题：前者限制了模型的泛化能力，后者使得即使有回译生成的数据，也难以保证翻译后代码的可执行正确性。QiMeng-MuPa通过构建 Translator和Tester 的双模型互监督闭环，让两者在 Co-verify 与 Co-evolve 的循环中相互生成数据、相互强化：Tester 负责生成单元测试过滤并验证等价代码以进化 Translator，而 Translator 生成高质量翻译代码作为增强数据推动 Tester 进化。实验结果表明，QiMeng-MuPa 可将Qwen2.5-Coder-7B 模型pass@1 提升 28.91%，达到与DeepSeek-R1和GPT-4.1相当的性能。

论文

《QiMeng-NeuComBack: Self-Evolving Translation from IR to Assembly Code》

该论文被NeurIPS2025录用。第一作者为实验室硕士生方海男，指导老师为文渊博副研究员。

QiMeng-NeuComBack针对神经编译中IR到汇编代码的自动翻译问题，提出一种自演化提示优化方法。现有的神经编译领域研究面临缺乏专用测试基准与生成代码可靠性及性能不足的挑战。本文构建了NeuComBack基准数据集，专为IR到汇编的神经编译任务设计；所提出的自演化提示优化方法，使模型能够从过往的自我调试轨迹中提取优化洞察并迭代演化内部提示，从而自动完善其编译策略。实验结果表明，该方法显著提升了模型生成汇编代码的正确性与性能，在x86_64和aarch64架构上的功能正确率分别从44%和36%提升至64%和58%；且在正确生成的x86_64程序中，有87.5%的程序性能超越了工业级编译器clang -O3的优化水平。

论文

《QiMeng-CRUX: Narrowing the Gap betweenNatural Language and Verilog via CoreRefined Understanding eXpression》

该论文被AAAI2026录用。第一作者为博士生黄磊，指导老师为张蕊副研究员和郭家明高级工程师。

QiMeng-CRUX 针对自然语言到 Verilog 代码生成之间语义落差过大的问题，提出一种基于结构化中间表达（Core Refined Understanding eXpression, CRUX）的生成方法。现有方法依赖自由形式的自然语言描述，易受表达模糊、结构松散、语义冗余影响，导致模型难以准确捕获设计意图并生成可靠RTL逻辑。CRUX通过构建可约束、可解释的中间语义空间，将用户意图提炼为核心设计要素，形成自然语言与Verilog之间的语义桥梁。QiMeng-CRUX设计了联合表达建模（Joint Expression Modeling）和耦合空间优化（Dual-Space Optimization）的两阶段训练框架，以共同提升CRUX表达质量和生成代码质量。实验结果表明，QiMeng-CRUX-V在多个Verilog生成基准测试中取得了非推理模型中的最佳性能（SOTA），在VerilogEval-v2上pass@1达到64.7%，RTLLM-v2上达到63.8%。此外，CRUX作为语义稳健的中间表达，即使直接用作其他模型的提示，也能带来持续的性能提升。

论文

《QiMeng-Kernel: Macro-Thinking Micro-Coding Paradigm for LLM-Based High-Performance GPU Kernel Generation》

该论文被AAAI2026录用，为实验室与软件所合作成果。第一作者为硕士生朱鑫国，指导老师为李玲研究员和彭少辉副研究员。

QiMeng-Kernel 针对大模型自动生成高性能GPU Kernel时存在的“优化策略—实现细节”耦合过深的问题，提出了一种基于分层生成范式（Macro Thinking Micro Coding, MTMC）的方法。现有基于 LLM 的 GPU Kernel 生成通常难以同时保证正确性与效率：一方面，GPU kernel 的优化空间庞大且强依赖硬件特性，使得 LLM 难以在搜索过程中发现有效的优化策略；另一方面，底层实现细节复杂，直接生成整段 kernel 代码极易引发编译失败、执行错误或显著性能退化。本文提出的“宏观思考—微观编码”方法，通过将高层优化策略与底层实现过程解耦，在宏观层面生成基于硬件语义的优化决策，在微观层面以多步细粒度方式实现这些优化，从而最大化正确性并提升性能。实验结果表明，QiMeng-Kernel 在 KernelBench 与 TritonBench 上均显著优于现有基于LLM 的GPU Kernel自动生成方法，正确率提升超过 50%，运行速度最高提升 7.3 倍。

NeurIPS 2025

NeurIPS是机器学习和计算神经科学领域方向的国际顶级会议，CCF-A类，主要收录机器学习、自然语言处理、计算机视觉、多智能体系统等方向的最新研究成果。自1987年创办以来，NeurIPS 已成为该领域历史最为悠久且最具学术影响力的顶级国际会议之一，对推动人工智能及相关领域的发展起到了重要作用。2025年度第39届NeurIPS会议将于12月2日至7日在美国圣地亚哥举行，本届会议的录用率为24.52%。

AAAI 2026

AAAI 是人工智能方向的国际顶级会议，CCF-A类，主要收录机器学习、自然语言处理、计算机视觉、多智能体系统、知识表示与推理等方向的最新研究成果。自 1980年创办以来，AAAI 逐渐发展成为人工智能领域历史最为悠久、最具学术影响力的顶级国际会议之一，对推动人工智能及相关交叉领域的长期发展发挥了重要作用。2026年度第40 届AAAI会议将于1月20日至27日在新加坡举行，本届会议的录用率为17.6 %。

处理器芯片全国重点实验室依托中国科学院计算技术研究所，是中国科学院批准正式启动建设的首批重点实验室之一，并被科技部遴选为首批 20个标杆全国重点实验室，2022年5月开始建设。实验室学术委员会主任为孙凝晖院士，实验室主任为陈云霁研究员。实验室近年来获得了处理器芯片领域首个国家自然科学奖等6项国家级科技奖励；在处理器芯片领域国际顶级会议发表论文的数量长期列居中国第一；在国际上成功开创了深度学习处理器等热门研究方向；直接或间接孵化了总市值数千亿元的国产处理器产业头部企业。（来源：处理器芯片全国重点实验室）

3.西安交大周迪教授团队在聚合物储能领域取得系列进展

具有高压耐受性、低介电损耗以及良好工作稳定性的介质聚合物在静电电容器中得到广泛应用。随着生产和生活需求的增加，需要聚合物介质电容器应用在高温和高电压相关的恶劣环境中。然而，与介电陶瓷相比，大多数现有商用聚合物电介质只能在相对较低的温度下工作（低于105℃），工作温度较高时，其绝缘和储能性能会严重退化。聚合物在高温下的电荷注入、激发和传输会导致漏电流的指数级增加，从而导致放电能量密度低和放电效率差，这使得聚合物难以满足电气设备高温高功率的要求。

高玻璃化转变温度（Tg）被认为是高温聚合物介电材料的关键因素，聚合物链高于Tg会失去刚性，增加自由体积，从而导致介电常数和损耗因子的较大变化。代表性高Tg的聚合物如聚酰亚胺（PI）、聚醚酰亚胺（PEI）、聚碳酸酯（PC）等，这些聚合物具有良好的热稳定性，但当高电场和高温一起作用时，其储能性能远不如室温下的表现。前期研究表明，在高温高电场条件下，聚合物电介质的传导损耗主要遵循跳跃传导机制。因此，为了进一步提高聚合物在高温高电场下的绝缘性能，在其内部引入电荷陷阱以减小电荷跳跃传导距离被认为是一种有效的策略。

基于上述研究背景，周迪教授团队提出了一种由界面调控的多能级陷阱工程策略，通过一步浸泡涂覆结合热压工艺，制备全有机三明治结构复合薄膜。将高电子亲和能的有机半导体1,4,5,8-萘四甲酸二酐（NTCDA）引入聚（偏二氟乙烯-六氟丙烯）(P(VDF-HFP))中，并将其涂覆在聚对苯二甲酸乙二醇酯（PET）上，利用热压工艺在涂覆膜的两侧结合纯PET薄膜。NTCDA与P(VDF-HFP)之间的能带偏移产生多能级深陷阱，层与层之间的界面作用为载流子提供有效阻挡。陷阱与层间阻隔的协同作用显著抑制了电荷传输与漏电流（如图1所示），使材料在25 ℃下展现出增强的击穿强度（Eb ~ 678.6 MV·m-1）以及优异的储能性能（Ud ≈ 8.2 J·cm-3，效率η ≈ 94.3 %），在高温下，该材料仍保持6.4 J·cm-3的高Ud，为开发兼具高热稳定性与高效率的前沿储能用聚合物电介质提供了一种有效途径。

图1 界面调控的多能级陷阱工程策略实现聚合物电介质优异储能性能

此外，无机宽带隙纳米填料的引入也会在聚合物基体中构建电荷陷阱，从而在复合材料中削弱载流子在高温下的传输，但由范德华力、氢键以及静电作用驱动的填料固有团聚问题仍是一个关键却常被忽视的挑战。这些团聚现象会导致介电响应不均一、击穿强度下降以及机械性能退化。为此，周迪教授团队提出了一种精确调控超低添加量氧化镁纳米片填料在聚合物基体中分布的策略，可有效抑制纳米填料团聚与电荷积累，实现电场分布均匀，同时最小化界面介电不匹配和局部电场畸变。得益于此策略，所构建的三层复合膜即使在极端高温条件下仍保持卓越的储能性能（如图2所示）。在150 ℃下，其Ud可达到7.82 J·cm-3，η为87.47 %，更为显著的是在200 ℃下，该复合材料仍能提供4.17 J·cm-3的高Ud，且效率超过90 %，其储能密度相较纯PEI提升近十倍，同时也优于当前的商用聚合物电介质、新型合成聚合物及各类聚合物复合材料。该研究为解决纳米填料在聚合物中的团聚问题提供了新的思路。

图2 精确调控超低添加量氧化镁纳米片填料分布以实现聚合物优异储能性能

上述研究成果分别以《界面层调控的多级陷阱工程用于提升聚对苯二甲酸乙二醇酯电介质薄膜的储能性能》《精确调控氧化镁纳米片分布的三明治结构聚合物复合材料实现高温条件下的卓越介电储能性能》为题发表在国际期刊《纳米能源》（Nano Energy）上。论文第一作者分别为西安交通大学电信学部电子科学与工程学院博士生刘涛和韩颖，共同通讯作者包括西安交通大学电信学部电子科学与工程学院周迪教授、李晓副教授，电气工程学院刘文凤教授、周垚教授，同济大学翟继卫教授，杭州电子科技大学周涛副教授，以及马来西亚博特拉大学KarBan Tan副教授，西安交通大学为该工作第一完成单位。（来源：西安交通大学）