全文检索

媒体关注

4月27日广东省人工智能应用对接大会上深圳先进院具身智能机器人科学家(深圳)，中国科学院深圳先进技术研究院院务委员、材料人工智能研究中心主任喻学锋分享深圳多家企业合作攻改京生物制造领域“卡脖子”材料的经典幸例:打造具身智能微球创制系统，通过精准实验快速挖掘出产品关键参数，效率较人手提升数10倍，是唯一超越国际金标准竟品的国内产品。

深圳产品材料 人工智能 先进

李江颖 2026-04-28 20:05:07

媒体关注

4月27日，广东省人工智能应用对接大会在深圳举行，展示多项前沿成果。中国科学院深圳先进技术研究院喻学锋，介绍了具身智能机器人科学家EAI Scientist，可自动完成复杂科学实验，助力科学家突破“卡脖子"材料，效率提升数十倍。

科学家 深圳实验先进 智能机器人

李江颖 2026-04-28 19:34:07

科研进展

在当前智能感知领域，发展面向机器视觉的类脑与神经形态硬件已成为核心趋势。光电忆阻器因具有“感、存、算一体”特性，被视为构筑神经形态器件的重要基石。但现有器件高度依赖“光电协同”来诱导突触行为，为摆脱电信号依赖，实现真正意义上的全光操控——即开发宽光谱响应且极性随波长可调的光电忆阻器，是打开全光神经形态系统大门、实现类脑视觉感知的重要挑战。近日，中国科学院深圳先进院材料所材料人工智能研究中心王佳宏研究员课题组在双极性神经形态器件领域取得新突破，在材料学术期刊Advanced Materials上发表了题为“Spectrally Defined Bipolar Black Phosphorus Memristor Enables All-Optical Boolean Logic and Multispectral Computing”的研究论文。提出用非化学计量氧化铅包覆黑磷，一方面提升器件稳定性，另一方面实现非易失性电阻开关行为和光谱依赖的全光响应性；并进一步利用器件的双极性特点实现了全光布尔逻辑运算与多光谱图像处理。主要工作亮点如下：氧化铅原位修饰显著提升黑磷忆阻器稳定性研究团队通过在黑磷（BP）纳米片表面引入非化学计量比氧化铅（PbOx）超薄包覆层，实现了对BP表面的原位修饰。该包覆层通过形成P-Pb-O化学键，有效钝化了BP表面的孤对电子，并阻断了空气中O2和H2O对BP的侵蚀。所制备的PbOx-BP忆阻器在暴露于空气中60天后，仍能保持超过105次循环耐久性。光谱调控的双极性在不同波长作用下，PbOx-BP忆阻器中发生不同光-化学机制调控的银导电细丝生长与断裂，从而实现双极性的正/负光电响应。在紫外光（365-405 nm）下通过氧化银丝产生负光电导行为，在可见光（520-785 nm）下通过将银离子还原回金属态表现出正光电导，在红外光（980-1,550 nm）下光热效应熔化银导电丝展现出负光电导行为（图1）。全光布尔逻辑运算和多光谱遥感图像识别应用基于这种光调制的双极性阻变可调的能力，基于该忆阻器成功实现了14种不同类型的全光操控布尔逻辑运算。此外，还实现了边缘提取、光谱噪声抑制等图像预计算任务，并构建了全光卷积神经网络，在16种作物类别识别任务中，系统分类准确率最高达到986%展示出该器件在多光谱机器视觉与智能识别中的应用前景（图2）。图1 | (a) 基于非化学剂量比氧化铅包覆黑磷的忆阻器实现覆盖紫外、可见和红外波段的非易失阻变，(b) 不同波长诱发的正负光电响应图2 | (a) 实现的14种全光布尔逻辑运算操作，(b) 结合人工神经网络的多光谱遥感图像处理和分类识别王佳宏研究员课题组围绕光电忆阻器等神经形态类脑器件长期布局，本工作是磷化铜纳米带类脑突触（Adv Funct Mater 2022, 32 (14), 2110900）、二维镉磷硫非易失忆阻器模拟十进制运算（Adv Funct Mater 2023, 33 (9), 2211269）、磷酸化石墨烯易失性/非易失性阻变特性调节和图像识别（Adv Funct Mater 2025, 35 (16), 2416794）、二维钒基异质结忆阻器实现近红外下复杂场景下的目标检测与识别（Adv Mater 2026, 38 (10), e12238）之后的又一突破。中国科学院深圳先进技术研究院王佳宏研究员、喻学锋研究员，东莞理工学院叶葱教授为本文通讯作者，先进院联培博士柯善武、博士后李阳和渠源多为本文共同第一作者。研究获国家重点研发计划、国家自然科学基金、广东省杰出青年项目、广东省重点实验室等项目支持。

实现光电光谱神经识别

李江颖 2026-04-21 17:17:13

科研进展

单原子纳米酶因其原子利用率达到极限、活性位点明确且催化效率极高，被视为生物传感领域中极具前景的信号放大元件。然而，在将其与抗体等生物识别元件偶联以实现特异性检测时，传统的直接修饰策略极易造成活性位点被占据或屏蔽，导致本征催化活性大幅衰减，这是制约高性能单原子纳米酶传感器发展的核心瓶颈。利用轴向配位工程调控电子结构与脂质体封装实现“非接触式”功能化，为构建兼具超高催化活性与完整生物识别功能的纳米酶探针提供了新思路。近日，中国科学院深圳先进技术研究院材料人工智能研究中心周文华/耿胜勇团队在单原子纳米酶设计与生物应用领域取得重要突破，在Nano-Micro Letters期刊上发表了题为“Confined Synthesis of Axial Chlorine Coordinated Single-Atom Nanozyme Within Liposomes for Sensitive Immunoassay”的研究论文。该研究通过低温光化学法，在脂质体内部原位合成了一种具有独特轴向PtN3Cl2配位结构的铂单原子纳米酶（PtSANs@Lipo）。该结构不仅自身表现出优异的类氧化酶催化效率，更通过脂质体封装实现了生物功能化过程中对活性位点的完美保护。基于此构建的免疫传感器，实现了对多种呼吸道病毒抗原fg/mL级别的超灵敏检测，并与人工智能结合，展现出强大的即时诊断潜力。研究团队提出“轴向配位工程-脂质体封装协同”新策略，工作亮点如下： 1 脂质体限域内的精准合成与轴向氯配位结构构筑：研究创新性地采用“光化学还原-冰限域锚定”双重策略，在-20 °C的脂质体水核内，利用紫外光驱动石墨烯量子点引导铂前体还原与锚定，成功原位合成了铂单原子纳米酶（PtSANs@Lipo）。同步辐射X射线吸收谱证实了其独特的轴向PtN3Cl2配位构型。该结构通过轴向氯配体与氮配体的协同，优化了Pt中心的d带电子态，为高效催化奠定了基础（图1）。 2 催化活性极限提升与“非接触式”功能化实现位点零干扰：密度泛函理论计算揭示，轴向双氯配位在保障O2高效活化的同时，显著弱化了反应中间体*OH的吸附，将速率控制步骤的能垒降至最低（图2）。实验表明，该纳米酶的米氏常数（Km）低至0022 mM。更重要的是，通过将抗体偶联于脂质体外表面，实现了催化中心与识别元件的物理隔离。功能化后的Km与未修饰时几乎一致，而传统直接偶联策略则导致Km值效率损失约50倍，完美解决了功能化失活难题（图3）。 3 超灵敏免疫传感与AI赋能的智能即时诊断平台：基于该纳米酶构建的双抗体夹心免疫传感器，对甲型流感病毒（H1N1）、SARS-CoV-2和乙型流感病毒抗原的检测限分别达到042、223和036 fg/mL，灵敏度较商用试纸条提升三个数量级。在30例临床样本验证中，与金标准RT-qPCR方法结果100%一致（图4）。进一步集成机器学习模型，通过智能手机拍摄显色图片，可在2分钟内实现病原体浓度范围的智能判定，准确率达100%，为复杂环境下的快速、精准筛查提供了强大工具（图5）。这项工作不仅创新性地通过“轴向配位优化本征活性”与“脂质体封装隔离生物界面”的协同策略，攻克了单原子纳米酶生物功能化过程中的活性保护难题，更展示了高性能纳米酶与人工智能融合在即时诊断（POCT）中的巨大潜力。这种“材料-器件-算法”一体化的设计范式，有望显著提升现场检测设备的灵敏度、准确性与智能化水平，为传染病快速筛查、精准医疗等领域提供变革性的超灵敏检测解决方案。中国科学院深圳先进技术研究院材料人工智能研究中心周文华研究员和耿胜勇副研究员、北京大学深圳医院纪玲副教授为论文共同通讯作者，博士研究生储晨晨、助理研究员江明杨，博士后张玉蓓和冯坤博士研究生为论文共同第一作者。研究获国家自然科学基金、国家重点研发计划、深圳市科技计划等项目支持。图1 | PtSANs@Lipo 的合成策略与结构示意图。图2 | 轴向Cl配位介导的类OXD活性DFT计算。图3 | PtSANs@Lipo的催化性能研究。图4 | PtSANs@Lipo免疫传感器在呼吸道病原体检测中的应用。图5 | 基于PtSANs@Lipo免疫传感器的甲型流感H1N1抗原比色检测中的机器学习应用。

纳米检测配位脂质实现

李江颖 2026-04-24 09:36:04

科研进展

超亲水涂层作为一类重要的功能材料，能够在表面形成连续水膜，有效消除雾滴散射，在光学镜头、泳镜、医疗内窥镜、汽车玻璃等领域应用前景广阔。然而，这类材料的研发长期面临亲水单体筛选范围广、亲水聚合物结构设计依赖经验、涂层性能预测与工艺优化难度大等挑战。传统“试错法”研发模式受困于数据稀缺、构效关系不清、核心工艺设计难等瓶颈，导致防雾、抗溶胀、耐磨等特性难以兼顾，严重制约了高性能防雾涂层等产品的实用化进程。近年来，人工智能在辅助材料设计与性质预测方面展现了巨大潜力，但如何运用AI实现从源头设计到工艺优化的全链条智能化研发突破，仍是亟待解决的关键难题。日前，中国科学院深圳先进技术研究院（以下简称“深圳先进院”）材料人工智能研究中心喻学锋团队成功构建了融合聚合物大语言模型(PolyLLM)与聚合物机器学习模型(PolyML)的多模型框架，形成R@D全链智能体，并将其用于AI驱动的超亲水涂层产品研发。该成果以"Multi-Model Framework for Intelligent Research and Development of Super-Hydrophilic Coatings"为题在材料科学领域旗舰期刊 Science China Materials上发表。喻学锋、杨帆、马会娟为论文共同通讯作者，吴列、付诗宇、李玉堂为论文共同第一作者。深圳先进院为第一完成单位。图1 R@D全链智能体驱动的超亲水涂层研发在聚合物研究阶段，PolyLLM依托两阶段监督微调，深度整合化学工具调用能力与领域专业知识，系统筛选出大量亲水单体并生成多样化的聚合物结构；PolyML则基于XGBoost算法与SHAP可解释性分析，精准预测聚合物性能并量化关键分子特征贡献，从中高通量筛选出性能优异的聚合物结构。在涂层开发阶段，PolyLLM指导聚合物的规模化合成，优化单体配比与反应参数；PolyML则用于涂层配方与固化工艺的精准优化，形成从性能预测到实验验证的闭环迭代。PolyLLM与PolyML深度协同，攻克了超亲水防雾涂层研究和开发(R@D)两大阶段面临的难题。二者协同配合实现了从聚合物源头设计到终端涂层工艺优化的全链条智能化，将传统研发中繁琐的“试错”过程转化为可计算、可预测、标准化的智能流程，极大加速了涂层研发。图2 研究团队开发的防雾涂层产品依托上述技术，喻学锋、杨帆团队已快速构建从材料设计、性能预测到涂层工艺优化的完整智能研发体系，并形成多项涂层技术和产品，已获得10多项发明专利授权。相关技术已在高端光学系统、电子设备界面防护、精密传感器件、AR/VR光学模组、幕墙系统等场景进行验证，在复杂温湿度环境下可有效抑制界面凝露对系统性能的影响，提升光学路径稳定性与长期可靠性。团队与华凯体育合作，构建了面向游泳眼镜产品的全新光固化涂层技术体系，成功开发了百次循环无雾的先进光学涂层，性能5倍于防雾涂层行业龙头美国公司竞品，产品已应用于全球知名运动品牌。这一R@D全链智能体的应用，标志着智能体技术在功能材料领域的重要突破。它超越了传统机器学习依赖标注数据与生成能力有限的局限，也弥补了纯大语言模型在定量预测与构效分析方面的短板，实现了生成式智能与预测性智能的深度融合，为功能材料从实验室到产业化的全链条智能化提供了可扩展的通用范式。来源：中国科学院深圳先进技术研究院

涂层研发预测 聚合物 材料

李江颖 2026-04-15 19:17:15

科研进展

在追求更小、更快、更高效的信息技术进程中，光子芯片被视为下一代信息处理的重要平台。然而，要在芯片尺度上实现对光的精确调控，尤其是偏振态的高效控制，仍需依赖具有强光学各向异性的功能材料。低维材料中各向异性的化学键和结构基元，为设计本征光学各向异性更强的材料提供了新思路。但目前传统晶体和常见低维材料的面内双折射率普遍有限，难以满足集成光子器件的小型化需求。研究表明，一维链状结构可有效打破结构对称性，从而显著增强光学各向异性。然而，链间耦合等因素使得获得高度有序的一维单晶结构仍面临挑战。近日，中国科学院深圳先进技术研究院材料人工智能研究中心王佳宏研究员课题组，联合芬兰阿尔托大学、苏州实验室等机构的研究人员，首次解析了一种全新的一维单质磷同素异形体——波浪管状磷（wavy-tube phosphorus, wtP）。该材料在可见光至近红外波段展现出高达095的双折射率，远超传统晶体和大多数低维材料，为高性能片上偏振光学器件的发展提供了全新的材料平台。该成果于2026年2月28日以“Strong optical anisotropy in one-dimensional phosphorus wavy tubes”为题发表在《自然-通讯》（Nature Communications）上。攻克数十年结构难题，首次解析管状结构。研究团队通过改进的化学气相传输法，利用微量金属锡诱导，成功制备出百微米尺寸的高质量 wtP 单晶（Type-II 红磷）。结合单晶 X 射线衍射和像差校正扫描透射电子显微镜，研究人员首次完整解析了其精确的原子结构：wtP 由周期性排列的波浪形磷原子管构成，这些准一维原子管彼此平行排列，并形成独特的单斜晶格结构。这一成果解决了自 1947 年发现以来 Type-II 红磷精确晶体结构长期悬而未决的科学问题（图1）。一维结构基元降低对称性，电子定向局域化。wtP 最显著的特征在于其由相互独立的准一维磷原子管构成。相邻波浪状原子管之间不存在明显的共价键连接，仅通过较弱相互作用耦合，使得体系呈现明显的准一维结构特征并显著降低晶体结构对称性。理论计算与电子局域函数分析表明，该结构使磷原子的 3p 轨道电子沿特定方向高度局域化，为产生强光学各向异性奠定了电子结构基础（图2c,d）。不同于依赖重元素或复杂激子效应的传统机制，单一元素体系中 p 轨道主导的光电特性为理解光学晶体性质提供了新的模型体系。发现可见光区巨大双折射，性能显著领先。光谱椭偏仪测量结果显示，wtP 在 450 nm 波长处的面内双折射值（Δn）高达约 095，在 600 nm 和 800 nm 处也分别达到 075 和 058。该性能显著高于多数传统光学晶体（如方解石，Δn≈017），也优于此前报道的大多数低维各向异性材料（图2）。同时，该材料表现出强烈的方向依赖光学响应，其拉曼散射、光致发光和二次谐波产生信号强度均随入射光偏振方向发生显著变化，展现出在偏振敏感光子器件中的重要应用潜力。图1 示意图对比了黑磷（二维层状）、Hittorf磷（垂直键合的直管）、纤维磷（水平键合的直管）与本研究wtP（平行独立波浪状管）的结构差异；揭示了基元结构的维度变化和键合方式是性能突破的结构根源。图2 性能数据图显示，wtP（红色数据点）的双折射值在可见光区远超氟化镁、方解石、二氧化钛等传统材料，以及氮化硼、黑磷等二维材料。材智中心围绕黑磷等单质磷材料的合成与应用长期布局，是实现黑磷气相法量产、二维黑磷表面修饰（Angew Chem Int Ed 2025, 64 (38), e202508454）、纤维磷宏量制备（Angew Chem Int Ed 2020, 59 (34), 14383-14387）、紫磷片上生长（Small 2025, 20 (30), 2310276）、单质磷晶体溶剂热合成（Chem Eng J 2025,505, 159566）之后的又一突破。中国科学院深圳先进技术研究院材料所材料人工智能研究中心王佳宏研究员、喻学锋研究员、芬兰阿尔托大学孙志培教授、苏州实验室丁峰教授、陕西科技大学丁利苹教授为本文通讯作者，中国科学院深圳先进院博士后张帅和物理所博士生刘兆龙为本文第一作者，深圳先进院为第一单位。该工作还得到中国科学院物理所金士锋研究员、南方科技大学陈晓龙教授的重要支持与指导。研究获国家重点研发计划、国家自然科学基金、广东省自然科学基金、深圳市科技计划等项目支持。

结构材料 wtP 晶体研究

李江颖 2026-03-12 19:26:46

科研进展

人工智能驱动的新材料创制（AI for Materials）是当前竞争激烈的国际科研前沿。近年来，AI在新材料的设计、预测等方面已取得不错进展，但如何利用AI加速材料产品的开发，仍存在着巨大挑战。这一科研-产业间的巨大鸿沟主要是由于新材料产品在研发阶段与中试生产阶段所面临的巨大技术差异导致的。如何通过材料人工智能技术创新，突破实验室与生产线之间在中试阶段面临的“死亡谷”，是AI推动新材料产业高质量发展的关键。近日，中国科学院深圳先进技术研究院材料人工智能研究中心喻学锋、周文华团队开发了一套命名为“AP-LAB（AI-driven autonomous pilot-scale laboratory workstation）”的新材料“AI中试平台”。依托这一平台，团队与深圳太古宙生物科技有限公司（太古宙）合作，快速实现了磁性微球这一 “卡脖子”生物分离材料的中试开发和产业应用，并创新了多种生物标志物分离技术体系。团队相关工作以“AP-Lab: An AI-Driven Autonomous Pilot-Scale Platform Bridging Materials Discovery and Industrial Manufacturing” 为题在Wiley旗下旗舰期刊《Advanced Science》上发表。喻学锋研究员和周文华研究员为论文通讯作者，王占龙副研究员、马志芬工程师和宋文星高工（太古宙）为论文共同第一作者。在该工作中，AP-LAB由用户交互、优化方案生成、自主合成测试和数据管理4大系统组成。其中，自主合成测试系统主要由团队自主设计开发，包含高灵活机械臂、高精度粉液进样模组、溶液浓度自主定量模组、溶液清洗分离模组、高通量液相反应合成模组等9大高性能功能模组。在12小时内，AP-LAB可在微球合成条件、测试试剂配方等十维参数空间展开高效探索，并自主执行高精度、高一致性实验，实现12通道10-100克 (中试规模) 磁性微球的差异化高通量制备和性能测试。同时，通过集成机器学习模型库与本地部署的开源大模型 (Llama 31-8B)，对实验条件与测试性能指标等高通量数据进行回归建模，并基于模型库最优算法及大模型生成48组可执行优化迭代方案，进而快速迭代优化，实现 “数据-模型-执行-再数据” 的闭环优化体系。依托AP-LAB，团队在三周内实现三款性能优异的呼吸道疾病病毒核酸提取磁性微球及试剂体系的中试规模开发，并在2个月内与合作企业完成百万人份/天的规模化产线设计搭建，研发效率相较于人工大幅提升10倍。图1 AP-LAB材料创制中试平台的结构，及其与人工优化的效率优势比较 AP-LAB高效迭代优化的核心在于其私有的、高度一致性的工业数据集 (proprietary industrial datasets) 和以应用为导向的评价标准 (application-oriented performance benchmarks)。一方面，团队通过与企业合作，充分利用企业中试产品开发过程中和AP-LAB中试平台获取的大量实际数据开展模型训练、学习和权重分析，并基于本地化部署的机器学习模型库和大模型提出优化方案，并依托高精度自主实验合成及测试，加速磁性微球产品性能迭代与提升。另一方面，以实际应用性能为唯一评价标准，在过程精准控制的前提下，可有效规避材料制备过程中形貌、粒径、表面电荷等“低维”参数的影响，从而降低分析计算量，优化迭代方向，极大地加速材料产品的性能提升。团队相关核心专利“基于人工智能算法的磁性微纳材料高通量制备方法及系统”已获得授权。这一技术体系已成功部署于合作企业太古宙，为多类型基于磁性微球的生物分离材料及技术体系开发奠定了平台基础。在此基础上，合作双方共建了千万级“微纳生物传感”产业创新中心，多款磁性微球产品已实现了规模化应用突破。代表性地，在蛋白类生物标志物的分离和检测中，团队针对免疫检测领域源头“卡脖子”材料的应用需求，依托AP-LAB中试平台开发了应用于化学发光检测的15 μm和25 μm的Tosyl磁性微球及其抗体包被/发光检测试剂的规模化制备工艺。相关工艺已成功部署至太古宙，能满足500 g/周的高稳定性磁性微球制备。在合作企业的横向测评中，相关产品在多类型生物标志物化学发光检测中的信号值和信噪比均达到进口垄断竞品的90~120%。图2 AP-LAB开发的化学发光磁性微球形貌及其与进口竞品在多类型化学发光检测中的性能比较 AP-LAB“AI中试平台”的成功应用，是将AI驱动的材料创制范式拓展至产业应用的一次重要尝试。相关研究首次展现了企业实际数据和应用导向评价标准对新材料中试产品开发的重要价值。围绕AP-LAB平台开发的基于本地化数据、机器学习模型库/大模型优化策略、高精度自主实验和高通量数据处理系统，可拓展至各种类型新材料产品的开发和应用中，为新材料产业的高质量发展提供AI驱动的智能化解决方案。

开发 AP-LAB 材料中试磁性

李江颖 2026-03-05 21:44:22

媒体关注

开发科研 AI 效率倍数

李江颖 2026-02-28 11:06:43

媒体关注

近年来人工智能在辅助材料设计与性质预测方面展现了巨大潜力，但如何突破研发效率瓶颈，解决“材料制备”难题，仍存在巨大挑战。日前，深圳先进院喻学锋团队成功打造了一支“AI科学家团队”，即命名为“MARS”的“多AI-多机器人”协同智能体系统，其包含19个大模型智能体的层级化架构，并与包含移动机器人、导轨机器人等在内的“异构机器人集群”深度集成。这种人机协同的科研新范式有望将科学家从重复性劳动中解放出来，为新材料等领域的突破提供高效的智能化解决方案。

机器人 科学家 巨大材料突破

李江颖 2026-02-26 09:38:30

现任领导

何睿，1992年6月出生于哈尔滨，汉族，中共党员。2014和2019年在上海交通大学获得学士和博士学位，博士期间曾前往日本名古屋大学进行交流访学。2019年7月起在中国科学院深圳先进技术研究院进行博士后研究工作，2023年1月起任副研究员，2026年1月起任研究员。2023年1月起被任命为武汉中科先进技术研究院副院长，获评广东省级人才，湖北省级人才。长期从事硅基功能材料的研究及产业化工作，在Nat Commun ，JACS， ACS Nano 等SCI一区期刊上发表高水平论文30余篇，申请国家发明专利120余项。曾先后主持国自然面上项目、国自然青年项目、湖北省重点研发计划等多个科技攻关项目。主持企业横向项目经费超5000万元，实现了微胶囊、气凝胶、光伏胶等多项技术成果的产业化，为企业带来新增产值过亿元。

技术项目大学 产业化 进行

李江颖 2026-02-11 09:35:10