在线咨询
eetop公众号 创芯大讲堂 创芯人才网
切换到宽版

EETOP 创芯网论坛 (原名:电子顶级开发网)

手机号码,快捷登录

手机号码,快捷登录

找回密码

  登录   注册  

快捷导航
搜帖子
查看: 130|回复: 0

[转贴] 【科创热榜前沿科技周报】-128期转贴

[复制链接]
发表于 2025-2-12 11:11:29 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?注册

x

前沿科技盘点〔128〕|从生物演化到AI突破, E2VD模型革新病毒进化预测;硅基功率半导体发展趋势,这篇综述说透了
原文链接:https://www.ncsti.gov.cn/kjdt/zt ... 0250210_195190.html

2024年的诺贝尔物理学奖与化学奖均颁给了AI领域,前者彰显了“Science在AI中的应用及其带来的变革”,后者则着重于“AI如何重塑科学与人类的认知”。颁奖让AI for Science的应用潜力获得重视,国内学者也在AI for Science这一前沿领域持续取得显著成果,展现出蓬勃的创新活力和强大研究实力,来看看近日北京大学深圳研究生院信息工程学院田永鸿、陈杰团队取得的相关新进展吧。

近日,电子科技大学集成电路学院张波发表了一篇论文综述,全面审视硅基功率半导体技术的现状,并对其未来发展趋势进行展望,包括演化方向及三种驱动力等判断。

基于国际科技创新中心网络服务平台科创热榜每日榜单形成的一周科技记忆,我们推出《一周前沿科技盘点》专栏。今天,为大家带来第128期。

1《Nature Machine Intelligence》丨从生物演化到AI突破, E2VD模型革新病毒进化预测

W020250210603214369569.png

E2VD在跨越病毒类型和毒株类型时展现出的泛化能力。

近日,北京大学深圳研究生院信息工程学院田永鸿、陈杰团队在AI for Science方面取得了新进展,团队联合广州国家实验室周鹏开展研究,他们通过定制化蛋白质语言模型和创新性进化预测策略,实现了跨病毒类型的通用进化预测,极大展现了AI助力自然科学研究范式革新的潜力。

在自然界,物种多样性与生物体内承载功能的蛋白质相互约束,这是因为蛋白质作为功能的载体决定了生物的性状,而这些性状经过选择压力筛选后形成了当下的物种多样性分布结果。立足达尔文进化论及表观遗传学持续新研究的角度,生物演化与环境组成了复杂系统,是与环境的协同演化。

受此启发,研究团队基于进化论视角重新审视病毒进化预测难题,提出了解决病毒进化两大本质问题的跨病毒类型、跨毒株类型的通用进化预测模型E2VD,为疫苗、药物的快速主动更新以及提高人类对于新发病毒感染的响应速度提供了强大工具,支撑和加速对于物种复杂进化机制的探索。

原文链接:https://www.nature.com/articles/s42256-024-00966-9

2《IEEE Electron Devices Magazine》丨硅基功率半导体发展趋势,这篇综述说透了

W020250210603214385384.png

IEEE Electron Devices Magazine封面、目录及文章首页

近日,电子科技大学集成电路学院张波发表了一篇论文综述,全面审视硅基功率半导体技术的现状,并对其未来发展趋势进行展望。文章回顾了硅基功率半导体技术的演进历程,认为硅基功率半导体凭借其成熟的制造工艺、极具竞争力的价格优势以及完善的产业链生态,预计在未来5至10年内仍将占据市场主力地位。文章首次从耐压层(VSL)角度分析了硅基功率半导体器件性能的演变及不同类型性能优化方面的策略与方法。

此后,论文对功率半导体分立器件和功率集成技术的现状与发展趋势展开重点论述。展望未来,张波指出,功率半导体具有“No best,just suitable”的特点,因此,功率半导体技术在相当长的时期内将是More Silicon和Beyond Silicon(宽禁带功率半导体)协同发展。论文评述了功率半导体More silicon的演化方向及三种驱动力:新结构将进一步提升器件性能;新技术的不断突破,如先进节点工艺和三维异质集成技术的引入,将助力硅基功率半导体技术发展;而新兴应用领域的需求,如智能电网、光伏储能等,也将为硅基功率半导体技术的发展开辟新的市场空间。

原文链接:https://ieeexplore.ieee.org/document/10847626

3《Science》丨引入超纳后, 超强韧合金诞生

W020250210603214407242.png

SS-合金的结构。

近日,西安交通大学金属材料强度国家重点实验室、微纳尺度材料行为研究中心吴戈—、单智伟团队和该校刘畅、刘思达,联合香港城市大学先进结构材料研究中心吕坚,在超强韧合金方面取得新突破。

2017年,该校吴戈教授与吕坚院士提出超纳(Supra-nano)概念,意为结构特征尺寸小于10 nm,他们通过在材料中引入超纳结构单元,整体材料展现出一些奇异性能。在此前研究基础上,此次研究团队通过晶粒内部以及晶界附近的两种有序结构设计,实现了具有2.6 GPa抗拉强度和10%均匀延伸率的合金,为打造出兼具超高强度与卓越均匀延伸率的合金开辟了新道路。

他们巧妙利用短程序(SRO)与FCC基体的正界面作用能,调控短程序在晶界附近偏聚,形成短程有序界面。SRO在晶界附近的偏聚显著提升了晶界抵抗位错运动所需的应力水平,屈服强度提升至2.2 GPa。同时,他们在FCC相的晶界附近和晶粒内部引入两种有序结构(SRO和超纳析出相),形成互补的强化和塑化机制,促进了高应变硬化率和优异延伸率。

原文链接:https://www.science.org/doi/10.1126/science.adr4917

4《Nature Plants》丨植物抗病基因“层级式”演化规律:以退为进,守攻有道

W020250210603214439553.png

植物免疫系统的“层级式”适应性演化

植物在其整个生命周期和演化过程中,面临各种病原体的持续威胁。为了应对这些威胁,植物演化出了数量庞大的抗病基因(disease resistance gene, R基因)。维持较多种类的R基因有利于植物应对环境中复杂多变的病原,但因此也会影响植物的正常生长发育,即付出“适应性代价”。那么,在这种“抗病或生长”的矛盾博弈中,植物R基因是如何演化,从而促进植物适应环境得以繁衍至今的呢?

南京大学生命科学学院陈建群/邵珠卿团队长期致力于解析植物免疫系统的演化。此前,该团队聚焦于植物最大的抗病基因家族——NLR基因,发现生存环境中病原的增加(如植物登陆)驱动了植物基因组中NLR基因数量的明显扩张。

近期,研究团队通过系统收集808个植物基因组,将NLR基因的“生态适应性演化”推广到了真菌异养等SLH物种,并通过比较研究SLH物种与其近缘non-SLH物种,清晰地展示了SLH物种NLR基因数量收缩的“来龙去脉”,有力地证实了NLR基因的“生态适应性演化”这一科学假说的可靠性和普适性,系统论证了病原选择压力对植物R基因演化的驱动作用。其研究发现并系统论证了植物R基因的“层级式”演化规律,为理解植物免疫系统的适应性演化和功能机制提供了崭新的视角。

原文链接:https://www.nature.com/articles/s41477-024-01901-x

5《Engineering Structures》丨拉伸变胖、压缩更瘦?解开这种力学超材料的“叛逆”之谜

W020250210603214453725.png

负泊松比超材料的基本结构、制造、性能及应用。内部的水滴形区域描绘了负泊松比超材料的三种基本结构。外部环形区域进一步划分为三个部分,分别概述了制造方法、力学特性及其典型应用。

力学超材料是一种经过精心设计的人造材料,能够展现出超越自然材料的优异力学性能。这些独特特性主要源自其结构设计,而非材料本身。作为力学超材料的重要分支,负泊松比超材料因其反直觉的变形行为(在拉伸时横向膨胀、在压缩时横向收缩)而备受关注。凭借这一负泊松比效应,该类超材料表现出高剪切模量、曲面同向性和优异的抗冲击性能等特性,在生物医学、防护装置、车辆安全、传感器及驱动器等领域具有广阔应用前景。

近日,山东大学材料学院刘峣、张子栋团队与清华大学周济团队合作,系统总结了负泊松比超材料的分类、变形机制、制造方法、力学特性及其应用领域,并深入探讨了当前研究面临的挑战与未来发展趋势,旨在激发结构设计的创新并提升其工程应用价值。

研究团队认为,目前负泊松比超材料仍面临一些挑战。如何实现可定制化的负泊松比变形以及兼顾多种功能是当前研究的重点;将机器学习技术融入负泊松比超材料的设计中,能够提升设计效率,拓展分级和多尺度设计的可能性,从而促进可调泊松比超材料的开发。但是,复杂的结构设计和制造工艺限制了负泊松比超材料的大规模生产和应用;耐久性和成本问题也是限制其广泛应用的关键因素。因此,未来研究应聚焦于提高超材料的可靠性和降低成本。

原文链接:https://doi.org/10.1016/j.engstruct.2025.119838

6《Energy & Environmental Science》丨用了这个模型,原型验证速度提升25倍

W020250210603214470861.png

应用物理信息学习方法的动机、模型构建和部署

在电池制造领域,传统的容量校准方法在原型验证时需耗费大量时间。同时,制造的不一致性和电池老化的多样性,使得电池原型的性能评估变得极为复杂。为此,清华大学深圳国际研究生院张璇、周光敏、李阳团队与合作者提出了一种基于物理信息学习的电池衰减轨迹早期预测方法。

研究者通过计算热力学和动力学参数,并将其关联至未来状态变化,从而实现对电池整个衰减轨迹的早期预测。与传统方法相比,该方法仅利用电池原型的早期循环数据(50次循环,占总寿命4%),即可达成95.1%全寿命平均预测准确率,将原型验证速度提升了至少25倍。(专栏作者 李潇潇)

原文链接:https://pubs.rsc.org/en/content/articlelanding/2025/ee/d4ee03839h


您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

站长推荐 上一条 /2 下一条

小黑屋| 手机版| 关于我们| 联系我们| 隐私声明| EETOP 创芯网
( 京ICP备:10050787号 京公网安备:11010502037710 )

GMT+8, 2025-2-22 22:15 , Processed in 0.016819 second(s), 9 queries , Gzip On, Redis On.

eetop公众号 创芯大讲堂 创芯人才网
快速回复 返回顶部 返回列表