科研速递

导航

科研速递

科研速递
当前位置：首页科研速递

【研究成果速递】PRL：扩散系统中“双零散射”的发现

近日，上海理工大学基础学部物理学院刘晋榕博士、黄吉平教授与合作者，在热超构材料与扩散系统控制领域取得新进展：提出并实验验证了“双零散射”（Dual-Zero-Scattering）理论框架，在热学系统中同时消除了背景介质和超构材料壳层内部的散射，实现了真正的“完美透明”。相关研究成果以"Dual-Zero-Scattering in Diffusive Transport"为题，于2026年5月13日发表于物理学期刊Physical Review Letters（Phys. Rev. Lett. 136, 196901 (2026)）。该文入选Editors’ suggestion和Synopsis featured in physics [Physics 19, s60 (2026)]，并被国际科技媒体Tech Xplore专题报道(https://techxplore.com/news/2026-04-invisible-device-disturb-metamaterial-shell.html)。上海理工大学基础学部物理学院为该论文的共同通讯单位，青年教师刘晋榕博士为共同通讯作者。完美控制物理场并消除不必要的场畸变（即散射）一直是现代物理学和工程学的核心目标之一，但热隐身斗篷等超构器件长期面临着一个根本性的物理困境：抑制外部散射必然扭曲内部物理场，传统设计无法同时消除内外部散射。针对该挑战，研究团队提出“双零散射”理论框架，融合变换热学与散射相消理论：先以散射相消抑制外部散射，再引入坐标变换拉直内部温度扰动。为解决极大各向异性热导率的实现难题，团队采用基于条件变分自编码器的深度学习逆向设计，实现了从目标热导率到微结构的自动化合成。实验证实，器件中等温线完美拉直平行，温度畸变被严格限制在预设薄功能层内，实现了功能性与散射特征的完全解耦，即真正的"物理透明"。该研究打破了内部畸变消除与外部隐身不可兼得的矛盾，为高精度热探测器、超导量子电路热隔离及活体细胞无扰温度监测奠定基础，其普适性还可推广至声学、光学、弹性力学等系统，推动下一代智能透明超构材料发展。图：双零散射热超构材料的设计原理。(a)-(b) 无干扰的均匀背景与纯物体引起的温度场畸变（散射）。(c) 传统单零散射器件：超构材料壳层恢复了背景区域的温度分布，但壳层内部存在温度场扭曲。(d) 双零散射器件（以传感器为例）：通过坐标变换纠正内部等温线，同时消除背景和壳层中的散射，实现完美的“热透明”。论文地址：https://journals.aps.org/prl/abstract/10.1103/vxsz-nnf3

2026-05-14
【研究成果速递】Journal of Mathematical Biology：揭示湖泊演化中“人-环境”耦合反馈新机制

近日，数学学院数学与生命科学交叉研究中心原三领团队在社会-生态系统（Socio-ecological systems）动力学研究领域取得进展。该成果深入探讨了人类行为决策与环境演化之间的动态反馈逻辑，为湖泊富营养化治理提供了全新的理论依据。相关成果以“Rate-induced tipping in a lake eutrophication model coupled with human activities”为题，发表于国际生物数学领域权威期刊《Journal of Mathematical Biology》。博士研究生杨安计为论文第一作者，原三领教授为通讯作者，合作者为加拿大埃尔伯特大学王皓教授。该研究创新性地构建了一类“人-环境”耦合动力学模型。该模型通过复制因子方程刻画人类保护行为的决策过程，并将其与描述湖泊富营养化的生态子系统相互耦合。研究发现，耦合系统展现出丰富的动力学行为，包括多稳态现象以及持续的周期性振荡。研究重点指出，在系统存在三稳态的情形下，保护成本增加过快会触发“速率临界点”，导致系统在贫营养、中营养及富营养状态之间发生稳态转换。这项研究为管理部门在应对环境恶化时，如何科学制定动态治理方案及控制政策实施节奏提供了科学支撑和新视角。图：保护成本的不同增加速率会导致模型的解轨迹最终趋向不同论文链接：https://link.springer.com/article/10.1007/s00285-026-02381-7

2026-04-23
【研究成果速递】PRD：粒子级深度学习助力轻希格斯玻色子搜寻

近日，物理学院王坤与合作者在高能物理研究中取得新进展。研究团队提出了一种基于粒子级深度学习的轻希格斯玻色子搜寻方案，为未来高能对撞机上的新物理探索提供了新思路。相关成果发表于《物理评论D》[Physical Review D 113, 055025 (2026)]，王坤老师为论文共同通讯作者。2012年希格斯玻色子的发现，标志着标准模型取得重大成功，但这并不意味着电弱尺度的标量部分已经完全清楚。近年来，在95 GeV附近的轻希格斯玻色子一直是国际高能物理领域持续关注的问题之一。若这类新粒子真实存在，将为理解标准模型之外的新物理打开新的窗口。由于这类轻希格斯玻色子的信号较弱，通常的分析方法难以充分挖掘末态粒子中的有效信息。针对这一问题，研究团队将粒子级 Transformer 深度学习方法引入轻希格斯玻色子搜寻，显著提升了信号识别能力和测量精度。该成果为未来希格斯工厂上的新粒子搜寻提供了新的技术路径。论文链接：https://doi.org/10.1103/13h1-zdmz

2026-04-17
【研究成果速递】PLB：从高能碰撞“看见”原子核结构

近日，理学院物理系青年教师赵新丽博士与国内外合作者的最新研究成果，以“Nuclear cluster structure effect in 16O+16O collisions at the top RHIC energy”为题，发表于国际期刊 Physics Letters B [Phys. Lett. B 874, 140254 (2026)]。该研究聚焦16O在高能核碰撞中的原子核结构效应，利用多相输运模型，对16O +16O碰撞产生的集体运动信号进行了系统分析，并与 STAR合作组在相对论重离子对撞机RHIC的实验数据开展了对比研究。研究结果表明，不同的核结构构型会在碰撞后留下可观测的动力学特征，为利用高能核碰撞反向探测原子核内部结构提供了新的思路。该成果不仅为理解极端条件下强相互作用物质的性质提供了重要参考，也为未来在不同能区开展系统性研究奠定了基础。图：各向异性流（v₂、v₃）对不同16O原子核结构的敏感性及其与STAR实验结果的对比论文链接：https://doi.org/10.1016/j.physletb.2026.140254

2026-03-12
【研究成果速递】Biomedical Signal Processing and Control：基于多尺度拉普拉斯金字塔的腹腔镜手术自监督单目深度估计

近日，理学院李忘言副教授联合上海交通大学附属瑞金医院研究团队以“MSLP-MDEL: Multi-scale Laplacian pyramid-based self-supervised monocular depth estimation for laparoscopic surgery”为题，在《Biomedical Signal Processing and Control》（影响因子：4.9，中科院SCI分区：2区）发表研究成果。论文第一作者为理学院研究生向宇，通讯作者包括：李忘言副教授（上海理工大学）、常庆研究员（瑞金医院）、刘坤副主任医师（瑞金医院）。腹腔镜手术凭借创伤小、术后恢复快等优势，已成为微创手术的核心术式，但术中二维成像缺乏真实深度感知的问题，始终制约着手术的精准度与安全性，器械误操作、组织损伤等风险仍难以完全规避。随着医疗人工智能与智能手术系统的发展，腹腔镜手术中产生的海量视觉数据为解决这一难题提供了新路径，然而生物组织弹性形变、手术视野遮挡、光照反射等复杂场景，以及医疗数据标注成本高、隐私保护要求严苛等问题，让传统深度估计方法频频失灵，难以捕捉手术场景的真实动态特征。本研究针对腹腔镜手术的视觉痛点，提出了 “多尺度特征融合+ 深度残差优化+ 自监督学习” 的技术体系。所提网络架构通过多尺度拉普拉斯金字塔结构对腹腔镜图像特征进行分层分解与重构，同时融入深度残差模块，精准还原软组织边界与细微解剖结构，解决了传统方法深度图模糊、边界失真的问题。此外，引入了轻量级坐标注意力机制，动态强化对形变、遮挡组织区域的特征感知，提升模型对复杂手术场景的适应性，并采用基于亮度一致性的自监督学习策略，利用腹腔镜视频序列的几何与光度一致性作为监督信号，摆脱了对人工标注深度数据的依赖。所提网络架构仅需输入单张腹腔镜图像，就能快速完成深度图的实时重建，满足手术的实时性要求。框架设计示意图随着机器人腹腔镜手术、智能手术导航系统的快速发展，精准的实时深度感知成为智能微创外科的核心技术需求。本研究提出的基于多尺度拉普拉斯金字塔的自监督单目深度估计方法，为医疗大数据的高效利用提供了新思路，其无需密集标注的特性，也为解决医疗数据标注难、隐私保护难等行业痛点提供了技术参考。该方法可进一步与手术机器人、增强现实导航系统融合，推动腹腔镜手术向更智能、更精准的方向发展，为患者带来更安全、微创的外科治疗体验，同时也为智能医疗影像分析、手术人工智能的研发提供了新的技术范式。论文链接：https://doi.org/10.1016/j.bspc.2026.109890

2026-03-06
【研究成果速递】AM：流体力学隐身传感的发现

近日，上海理工大学理学院变换热学、统计物理与复杂系统研究中心黄吉平教授课题组与中国工程物理研究院研究生院等单位合作，在流体动力学超构材料与机器学习交叉领域取得新进展：提出并实验验证了基于各向异性流体超构材料壳层的“隐身传感”机制，首次在存在渗透率失配的情况下，实现了无失真的高保真流场压力测量。相关研究成果以“Invisible Hydrodynamic Sensing via Metamaterial Shells Optimized by Machine Learning”为题，于2026年2月16日发表于《Advanced Materials》(2024影响因子：26.8)。上海理工大学理学院为该论文的共同通讯单位。图：流体力学隐身传感的理论概念与机器学习逆向设计框架。 a, 二维流场传感器理论模型示意图。 b, 宏观实验平台与微观结构示意图。 c, 机器学习（MLP）逆向设计架构。 d, 压力梯度分布的定量验证。高保真的流场映射是微流控诊断、生物医学分析（如靶向药物输送）和环境自动化监测等先进技术的基石。然而，传统流体传感领域长期面临一个基础性物理悖论：测量行为本身（即将传感器作为异物引入流场）不可避免地会改变被测物理量。当传统传感器的渗透率与周围环境不匹配时，会引起局部压力场畸变和流线偏折，导致收集到的数据反映的是受干扰后的流场，而非真实的无干扰流场，这从根本上限制了测量的准确性和系统的鲁棒性。虽然基于超构材料的外部场屏蔽技术为实现“隐身”包裹提供了可能，但面对高维度、强非线性的结构参数空间，传统依赖解析模型和“试错法”的实验手段效率极低，成为了阻碍下一代高性能流体传感设备研发的瓶颈。针对上述挑战，研究团队建立了一个融合流体力学理论与深度学习的数据驱动逆向设计框架，实现了流体力学传感的“内部高保真探测”与“外部非侵入隐身”。在理论层面，团队基于低雷诺数下的达西定律（Darcy's law）和散射相消理论，推导了实现完美流场匹配所需的各向异性渗透率严格约束条件。为解决微观几何不对称性带来的多维设计壁垒，研究引入多层感知机（MLP）深度神经网络，通过对海量仿真数据进行训练，实现了从“目标理论渗透率”到“椭圆柱多孔微观结构参数”的高通量精准逆向映射，渗透率预测误差被控制在1%以内。宏观微流控实验平台及粒子图像测速技术（PIV）证实，由机器学习逆向设计的超构壳层在宏观上抹平了传感核心带来的流场扰动，背景流场中的等压线被完美恢复为平直状态。这意味着传感器在压力场中实现了真正的“物理隐身”，从而能够准确读取真实的背景流场信息。该研究在流场中实现了传感器对外部环境的“零干扰”与对内部信号的“高保真探测”，并引入数据驱动的逆向设计框架，解决了各向异性流体超构材料微观结构设计的复杂问题。更重要的是，基于控制方程的数学同构性，这一“物理理论+数据驱动”的数字设计蓝图可无缝推广至稳态热学、声学以及准静态电磁学等领域，为研发热不可见传感器、非侵入式声呐探测器及智能化自适应超构材料奠定了坚实基础。论文地址： https://doi.org/10.1002/adma.202519721

2026-02-28

每页 6 记录总共 26 记录
第一页 <<上一页下一页>> 尾页
页码 1/5 跳转到

上海理工大学基础学部 © 版权所有