全文检索

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

媒体关注

日前，中国科学院深圳先进院喻学锋团队成功打造了一支“AI科学家团队”——命名为“MARS”的“多AI-多机器人”协同智能体系统，并将其用于微胶囊（封装微球）等多种新材料的创制。实验中，MARS展现了多AI与多机器人之间的高效协同，在极短时间内实现了微胶囊等功能性材料的快速创制与性能优化，将原本4个月的研发时间压缩至4小时。相关研究成果于1月21日发表在国际期刊《物质》上。该成果的相关工作于1月21日在Cell Press旗下旗舰期刊《物质》上发表。该研究中，MARS创新性地构建了包含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。在实验中，MARS展现了多AI与多机器人之间的高效协同，在极短时间内实现了微胶囊等功能性材料的快速创制与性能优化，将原本4个月的研发时间压缩至4小时。

机器人 MARS 团队 AI 研发

李江颖 2026-02-03 16:42:26

媒体关注

1月29日，中国科学院深圳先进技术研究院（以下简称“深圳先进院”）与慧灵科技（深圳）有限公司（简称“慧灵科技”）举行“AI科研智能体”创新联合体（以下简称“创新联合体”）的揭牌仪式。深圳先进院科研处处长、材料人工智能研究中心主任喻学锋，先进院产业发展中心主任毕亚雷，慧灵科技CEO田军、业务总监刘丁共同为联合体揭牌，双方团队及嘉宾见证这一科研与产业协同创新的重要时刻。喻学锋在致辞中表示，当前国家重点布局AI for Science领域，AI驱动科研已成为重塑基础研究范式的关键力量。深圳先进院作为粤港澳大湾区战略科技平台，在AI与材料、化学等学科交叉融合中积累了深厚科研基础，此次与慧灵科技合作，正是要打通“科研需求—技术研发—场景落地”的链路，让自动化与AI技术真正解决科研痛点，提升科研创新效率。田军介绍，慧灵科技是国家级专精特新“小巨人”企业，以“具身智能操作系统+机器手”为核心，深耕自动化领域十余年，已构建覆盖新零售、生命科学、3C制造的具身智能产业基座，推动茶饮自动化、实验室自动化等场景规模化落地，服务全球上千家客户。田军强调，慧灵科技的技术转化能力与深圳先进院的科研资源高度契合，期待以联合体为载体，深度参与国家重大专项，推动科研自动化技术落地与科研范式转型。此次合作将整合深圳先进院材料人工智能研究中心基础研究、科研场景与多学科交叉优势，及慧灵科技机器手硬件、智能系统研发与行业落地实力，联合研发适配科研场景的 AI 科研智能体，开发智能体基础功能与软硬件协同技术，解决长时间观测、高精度操作等关键任务。双方将呼应“AI产业化、产业AI化”趋势，推动科研自动化技术在材料研发、生物医药等领域的规模化应用，惠及高校、科研院所及企业研发中心，加速科研自动化技术国产化替代，助力科研领域从“人力驱动”向“智能驱动”跨越，为国家基础研究与产业创新注入新动能

科研 AI 技术科技先进

李江颖 2026-02-02 09:46:36

媒体关注

本报讯（记者刁雯蕙）日前，中国科学院深圳先进技术研究院研究员喻学锋团队打造了一支“AI（人工智能）科学家团队”，即“多AI-多机器人”协同智能体系统（MARS），并将其用于微胶囊（封装微球）等多种新材料的创制。相关成果发表于《物质》。 MARS创新性地构建了包含19个大模型智能体的层级化架构，并与包括移动机器人、导轨机器人等在内的“异构机器人集群”深度集成。在实验中，MARS展现了多AI与多机器人之间的高效协同，在极短时间内实现了微胶囊等功能性材料的快速创制与性能优化，将原本4个月的研发时间压缩至4小时。 MARS的核心在于多智能体协同的层级化架构。受人类研发团队多角色分工启发，该系统构建了“PI（课题组长）”“设计师”“编程师”“实验师”“分析师”五大技术职能组，系统协调19个专业智能体与16种领域特定工具，就像一支分工明确、配合默契的“AI科学家团队”。团队成员各司其职，通过自然语言交互完成任务规划、逻辑推理与决策制定，实现了任务规划-实验设计-代码编程-实验执行-数据分析的全流程闭环的自主材料探索。相关核心专利“一种面向材料科学的多智能体协作系统及方法”已获得授权，并转让给孵化企业武汉中科先进材料科技有限公司。双方共建“材料中试智能”创新联合体，获批首批国家级先进功能材料制造业中试平台，建设了全国一流的微胶囊中试产线，多个微胶囊产品已走上货架。虽然目前仍处于初级的“决策级”探索阶段，但MARS展示了一种全新的研发范式，即通过“多AI-多机器人”的深度协同，将不确定的科学探索转化为可计算、可预测、标准化的智能流程。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。相关论文信息： https://doiorg/101016/jmatt2025102577

智能 MARS 材料团队协同

李江颖 2026-01-30 19:32:42