新一届“35岁以下科技创新35人”亚太区入选者发布

十大品牌 2025年09月22日 16:00 1 admin

早在 1999 年，《麻省理工科技评论》就启动了“35 岁以下科技创新 35 人”（MIT Technology Review Innovators Under 35，简称“TR35”）评选，每年从多个维度寻找专注于新兴科技创新，并有望通过技术的落地来改变世界的青年力量。

2014 年，TR35 首次按下了在亚太地区的评选启动键。截至 2024 年，共完成 11 届发布，220 位入选者脱颖而出。

整体来看，TR35 亚太区评选启动至今，位于中国（包括港澳台地区）的入选人数最多，以 82 人的数量持续领跑；新加坡以 76 人紧随其后；此外也有入选者分布在美国、澳大利亚、新西兰、马来西亚等地。他们虽然来自并身处不同的国家或地区，但都在亚太的土壤下成长。

图 | 往届 TR35 亚太区入选人入选时所在国家及地区分布（来源：《麻省理工科技评论》中国）

我们可以看到，亚太地区正呈现出“共存、共生、共创”的特点：这里是多元文化共存的汇聚地，包括数十个国家及地区，占据了世界约六成的人口数量；这里是共生的命运共同体，需要共同建设绿色可持续发展和开放的生态，高效解决气候和局势变化等问题；这里也是共创的经济体，不仅用传统优势行业为全球经济增长做出突出贡献，也通过新兴突破构建新的版图，并呈现出从技术追随向创新引领的变化趋势。

9 月 22 日，2025 年度“35 岁以下科技创新 35 人”亚太区入选名单在上海重磅揭晓！

这些青年力量正推动着技术循序渐进地发展。从 0 到 1 的概念突破到规模化生产再到商业转化落地，他们不满足于基础科学性能的常规升级，而是聚焦原始创新，通过不断拓展传统认知的边界，用天马行空的想象力和创造力，敢于不走寻常路，甚至闯入无人区。

共创无国界，共生向未来。本届评选不仅是对入选者过去成就的肯定，更可以从他们的贡献中洞察到未来亚太地区甚至全球科技的发展趋势。这些科技创新青年正在用专业和热情向世界展示：创新的可能性远不止于此。

图 | 2025 年度“35 岁以下科技创新 35”人亚太区入选者（来源：《麻省理工科技评论》中国）

2025 年《麻省理工科技评论》“35 岁以下科技创新 35 人”亚太区入选者名单如下（*以下排名不分先后）：

他融合了多种基础模型与机器人感知和执行，为机器人智能开辟了新的技术路径。

夏斐的研究聚焦于计算机视觉、机器人学与机器学习的交叉领域，致力于解决通用机器人在复杂非结构化环境中执行长时序任务的核心挑战。他将大型语言模型（LLM）和视觉语言模型（VLM）等基础模型的强大推理能力与机器人的物理感知和执行能力相结合，为机器人智能开辟了新的技术路径。

为解决语言模型缺乏对物理世界认知的问题，夏斐与团队共同主导开发了 SayCan（“Do As I Can, Not As I Say”）系统，将语言模型的指令规划与机器人自身的物理能力进行“虚实结合”，使机器人能将抽象的人类语言分解为一系列自身能力范围内可执行的具体动作。这一框架有效解决了语言模型的“纸上谈兵”问题，为机器人赋予了基于现实的常识推理能力。

在此基础上，夏斐与团队在 2023 至 2025 年间持续迭代，推出了一系列更强大的机器人基础模型。他参与开发的 RT-2 模型是一种视觉-语言-动作（VLA）模型，能够利用互联网规模的知识，让机器人具备泛化处理未曾专门训练过的任务的能力；他作为核心成员参与的 PaLM-E 项目，构建了具体化的多模态语言模型，能同时处理和理解来自视觉、语言等多种模态的输入信息。2025 年 3 月，他所在的团队推出了 Gemini Robotics，将谷歌 Gemini 模型集成进机器人系统，被视为通向通用型机器人的关键步骤之一。

夏斐的工作正为机器人走出实验室、进入家庭和办公室等非结构化环境铺平道路，有望在未来深刻改变人机交互的方式。

她提出了非参数大语言模型的新范式，让模型学会在外部世界中寻找答案。

閔世媛（Sewon Min）长期聚焦如何“让模型学会在外部世界中找答案”。近年，她与团队共同在检索增强与非参数语言模型上持续推进：在工程层面，将检索式语言模型的数据仓扩展到兆级规模，展示了外接知识在长期可更新与长尾事实获取上的潜力，这一方向为模型从“参数记忆”转向“数据可插拔”提供了新思路。在系统接口上，她与团队提出 REPLUG，使黑盒大模型在生成前后均可高效接入检索证据，从而提升开放域问答与长文生成的可核查性。围绕数据与合规风险，她与合作者推出 SILO 等非参数化方案，探索以可替换数据存储来隔离复制与合规风险的可行工程实践。

为让“可靠”可被量化，閔世媛与团队共同提出 FActScore 等细粒度事实性评测，在长文生成与事实一致性改进中得到广泛采用，为评估和提升大模型生成内容的真实性提供了有力的工具。在学习范式层面，她与团队从“如何更好地用数据”出发，推进 In-Context Pretraining 与 BTR 等工作，提升跨文档建模与检索结合效率。同期，她参与 Infini-gram 等可扩展语言建模研究，完善非参数与检索式路线的基础设施版图。

閔世媛的目标是继续深化非参数模型的研究，推动语言模型朝着更开放、可控和值得信赖的方向发展，构建性能卓越、设计灵活、符合规范的新一代 AI 系统。

他开创性地提出模型“视觉化思考”概念，以增强其三维空间感知能力。

Ranjay Krishna 的研究旨在赋予机器超越像素识别的视觉概念理解能力。他融合认知科学、语言学和社会心理学理论，设计了从结构化表征、组合推理到空间思维和社会化学习的研究路径。

针对大型模型在组合性推理上的缺陷，他揭示了扩大规模并非有效路径。受人类文化代际传播启发，他与团队提出“迭代学习”训练机制，通过周期性重置再训练，促使视觉表征向更易组合的方向演化。该方法结合高质量数据集 PixMo，催生了 Molmo 系列模型，2024 年发布时，该模型在多项基准测试中表现优于同期 GPT-4o 等模型。

为弥补多模态模型空间推理的不足，Ranjay 开创性地提出“视觉画板”（visual sketchpad）概念。该方法通过在模型内部绘制辅助线和标记框，使其能够像人类一样“进行视觉化思考”，从而帮助模型分解复杂的空间或数学问题，并显著提高了其推理准确性。随后，他将这一概念深化为在模型内部生成潜在视觉标记（latent visual tokens）的机制，以增强模型的三维空间感知能力。

Ranjay 的研究也拓展至机器人领域，最新发布的 MolmoAct 模型便运用了空间推理能力来规划动作。此外，他还设计了能与用户互动并主动学习的社交智能体，成为早期探索“人类反馈强化学习“的研究者之一。其工作为构建更符合人类认知习惯的通用 AI 系统提供了新思路。

她开发了新型智能可持续膜系统，可有效应对全球水资源短缺与环境可持续发展的双重挑战。

尽管传统膜技术应用广泛，但其在运行效率、环境影响等方面仍存在局限性，包括使用寿命短、产生废弃物以及适应性不足等问题。李博凡致力于通过创新研发稳定型、可循环再生、刺激响应型膜材料，推动膜技术向可持续方向发展。

她与合作者开发了闭环可回收膜，为膜材料循环利用的迫切问题提供了解决方案。这项技术允许膜在生命周期结束时，通过解聚去除污染物并重新制备成新膜，实现在延长其使用寿命的同时显著降低环境影响。这项技术有望避免数千吨膜废料进入填埋场，并大幅减少与膜生产相关的碳排放。此外，李博凡和团队还设计了一种具有可调选择性的自适应膜，通过温度和 pH 等外部刺激实现智能、节能的分离过程。

除了基础研究，她还致力于将科学进步转化为现实应用。作为新加坡膜联盟的机构成员，她积极与行业合作伙伴合作，共同探索可持续膜材料的商业化路径。例如，她与 EMK 科技公司合作开展的 GAP 项目针对耐溶剂纳滤膜的研究，成功攻克了化学纯化领域的关键瓶颈，显著提升了生产过程的效率、经济性和可持续性。

总体来说，李博凡通过在智能可持续膜技术领域的开创性研究，为工业和环境领域的挑战提供了创新性解决方案，助力膜行业向循环利用与可持续发展方向转型。

她通过提升能源转换系统的效率与可持续性，为实现二氧化碳净零排放提供新方案。

徐静远致力于开发下一代可持续能源技术，涵盖从制冷系统建模、组件及整机设计制造，到系统性能实验验证的全流程。她还与丹佛斯、大众汽车等公司保持密切合作。

在固态弹热制冷领域，她和团队开发了一种基于形状记忆合金薄膜的超长寿命弹热制冷技术，将器件寿命从约 100 个循环延长至超过 1,000 万个循环，从而实现了实际应用的可能性。基于薄膜的弹热制冷方法可用于微型制冷应用，例如电子器件的热管理、芯片实验室系统以及其他微型化设备。

在太阳能系统的综合热力学循环方面，徐静远与合作者研发并验证了一种高效仿生光伏叶片，模拟植物自然蒸腾作用的机制来实现更优的热管理。该技术的冷却功率可达 590W/m²，在 1000W/m² 光照条件下能使光伏电池温度降低 26℃。基于这一创新方案，她进一步探索了叶片收集废热的能力，将其转化为额外的热能和淡水，使太阳能整体利用效率提升至 74.5% 以上。

在热声和斯特林能量转换系统方面，她与团队提出了一种实用的方法，显著提高了热驱动热声制冷机的性能，突破了高温热能高效利用的技术瓶颈，适用于高效利用天然气等高温热源场景。

他建立了可规模化模拟数据生成框架，以解决机器人领域的数据瓶颈。

Adithya Murali 的研究致力于解决物理 AI 领域的一个核心挑战：数据稀缺。他提出的创新框架，通过在模拟环境中大规模生成合成数据，为训练更通用、更鲁棒的机器人模型提供了有效路径。

他领导的研究工作致力于开发用于程序化场景生成的工具和机器人应用，以可扩展的方式创建了数百万个逼真的虚拟环境。基于此，他提出了一种名为 CabiNet 的神经网络架构，用于解决复杂环境中的物体重新排列和无碰撞运动生成问题，展示了通过合成数据训练的模型能够有效迁移到现实世界。为了推动该领域的发展，他与团队于 2025 年开源了名为 Scene Synthesizer 的程序化场景生成库。

此前，他还推动了现实世界中机器人数据收集的前沿发展。他在“家庭机器人学习”方面的研究，是首批在人类家庭等非结构化环境中训练 AI 模型的科学成果之一。他开源的“PyRobot”和“LoCoBot”框架让物理 AI 研究人员能够使用低成本的移动机械手，对模拟训练的模型进行数据收集和真实世界验证。

Adithya 的研究也在工业界产生了较大的影响。他最近在英伟达开展的基于模拟的机器人抓取研究（例如 GraspGen），使工业机器人能够更精确、更可靠地执行自动化生产线上的机器操作等任务。

他的工作为机器人学习开辟了新的方向，证明了在模拟器中可精确建模的任务上，利用大规合成数据训练“通用-专用”模型的可行性。该范式有望训练出能够泛化应用于不同机器人、环境和物体的具身智能。

他致力于开发极端环境下的计算硬件，并突破了传统硅基半导体的极限。

Ahmedullah Aziz 的研究聚焦于突破传统硅基半导体的物理极限，致力于解决后摩尔时代计算技术在能效和性能上面临的核心挑战。他将器件物理学与电路系统设计相结合，在低温电子学、神经拟态计算和后 CMOS 技术等前沿领域取得了一系列进展。

Ahmedullah 与团队致力于开发应用于极端环境的计算硬件。在低温电子学领域，他们提出了一种创新的超导逻辑设计，将加热器冷子管与铁电超导量子干涉器件协同使用，实现了由电压控制的超导逻辑门。该技术融合了传统 CMOS 电路的设计灵活性与超导电路的能源效率，为开发可扩展的高性能低温计算系统提供了新的路径。

在 AI 硬件方向，Ahmedullah 探索了面向未来智能计算的物理基础。他与团队开发了一种基于超导忆阻器的人工突触，并将其应用于构建低温脉冲神经网络。这项研究为在低温等特殊环境下构建高效、低功耗的类脑计算系统开辟了可能性。此外，他领导的团队还设计了“智能像素传感器”电路，将计算能力直接植入像素内部，实现图像的实时处理与分析，该技术在自动驾驶、机器视觉等领域具备广泛的应用潜力。

为加速新材料器件的研发周期，他还将机器学习应用于电子设计自动化中，开发了能够整合原子级别物理特性的紧凑器件模型。其目标是继续探索新兴材料与非传统计算架构，推动节能、智能、可扩展的计算硬件发展。

他从理论角度研究和解释了 AI 的部分核心难题。

杜少雷聚焦现代 AI 的理论基础，围绕深度学习训练优化、泛化、以及强化学习的样本复杂度与表示学习提出系统性研究路径。他的研究为深度学习的两大核心谜题提供了理论解释：证明了随机梯度下降（SGD）方法能够找到全局最优解，并通过建立深度网络与核方法的联系，阐明了大规模模型良好泛化能力的成因。他近期的工作进一步探讨了过度参数化对优化的复杂影响，为模型设计提供了新见解。

面对强化学习数据需求量大的核心挑战，他与合作者于 2024 年解决了一个近三十年悬而未决的样本复杂度难题。他们构建的新算法实现了最优样本学习效率，证明了样本复杂度可以与决策周期无关，为解决复杂的现实世界问题开辟了新路径。针对基础模型，他为预训练的有效性提供了理论支撑，数学上证明了良好表示和数据多样性是关键。基于此，他与团队在近两年开发了主动学习与高效强化学习微调框架，旨在显著提升大模型的数据与标签效率，减少对大规模数据标注的依赖。

他的目标是继续为 AI 构建坚实的理论基石，提升机器学习系统的效率与可靠性，推动前沿 AI 技术在关键领域的落地应用。

他通过高温超导技术，极大简化了聚变装置的结构，并提高了其运行效率。

核聚变是太阳和其他恒星发光发热的能量来源。为了在地球上重现这一过程，科学界长期探索以磁场约束和压缩氢核，从而实现受控聚变。目前主流的托卡马克（tokamak）装置多采用环形结构，通过外部磁体维持等离子体形态与运动。然而，这类装置不仅建造复杂，而且在实现长期稳定运行方面面临重大挑战。

为应对这些难题，Ratu Mataira 创立了 OpenStar Technologies，并带领团队提出不同于托卡马克的新路线。他们尝试将高温超导磁体引入悬浮偶极子装置，并成功验证了其可行性。这一装置的核心在于：高温超导磁体悬浮于真空腔体中，产生天然稳定的偶极磁场，用以约束等离子体。相比传统设计，该方式大幅简化了结构，并具备潜在的高运行效率和稳定性。

目前，他带领团队已研制出原型装置“Junior”，并实现了关键里程碑：成功生成并约束温度约 30 万摄氏度的电离氦等离子体云，且维持时间长达 20 秒。这一成果不仅标志着新西兰在实践等离子体约束方面迈出了开创性的一步，也为探索更高温度、更长时间的运行奠定了基础。

他和团队实现的成果展示了悬浮偶极子概念在受控核聚变研究中的潜力，为未来开发可持续的聚变能源提供了新的思路和实验依据。

他训练大语言模型进行复杂策略推理与人机协作，并实现商业化。

吴翼的研究聚焦于通过强化学习构建能与人类协作的通用 AI 体，其工作贯穿了大规模系统、前沿算法与产业应用。他在多智能体学习领域的算法贡献尤为突出，其共同开发的 MADDPG 和主导开发的 MAPPO 算法，已成为训练复杂的协作与对抗策略的基础框架，被学术界和工业界广泛采用。

他针对大模型时代 RL 训练的效率瓶颈，开发了一系列大规模开源系统。2024 年，他领导团队开源了支持万核计算的 SRL 系统，并推出针对大语言模型的 ReaL 系统。后者通过参数重分配技术，将从人类反馈中进行强化学习的训练效率提升超过 3.5 倍，为大模型对齐提供了关键工具。

他将这些高效 RL 系统用于训练具备复杂策略能力的 AI 体。2024 年，他指导开发的语言智能体在社交推理游戏“狼人杀”中达到了人类水平，该智能体结合大模型的语言能力与 RL 的决策优化，实现了高级的欺骗与合作策略。他还推动了零样本人机协作研究，让 AI 能通过建模人类偏好，与人类有效协作。

吴翼团队于 2023 年创立边塞科技（OpenPsi Inc.），将 RL 技术商业化，研发了根据用户对话指令编辑表格内容的智能表格助手。2025 年，吴翼团队推出面向大模型和智能体的开源强化学习框架 AReaL，并被蚂蚁百灵推理大模型训练采用，实现产业影响力。作为 AReaL 项目负责人，他将继续推动通用智能体的研发与落地，将前沿研究转化为服务数百万用户的实际产品。

他开创了“算子学习”的理论、算法与应用，显著提升了模型在特定领域的精度、效率与泛化能力。

陆路致力于科学机器学习（SciML）领域的研究，他将物理学原理与深度学习相结合，与合作者开创性地发展了“物理信息机器学习”（PIML）方法，为传统物理驱动的科学计算面临的效率瓶颈和纯数据驱动模型缺乏泛化性和可解释性的挑战提供了解决方案。

他的核心工作之一是“算子学习”这一计算新范式，旨在通过神经网络学习无限维函数空间之间的非线性映射。他与团队共同开发的深度算子网络（DeepONet），能够以比传统数值方法快数个数量级的速度求解复杂的偏微分方程。

在 2023 至 2025 年间，他进一步扩展了“算子学习”的理论、算法与应用。为应对实际数据稀缺的难题，他率先开发了仅需单个偏微分方程数据的单样本学习方法，并发展了联邦物理信息机器学习技术以解决分布式数据训练问题。他与团队开发的傅里叶增强的 DeepONet，显著提升了模型在地球物理（如全波形反演和地质碳封存）等应用中的精度、效率与泛化能力。他发表了用于学习几何依赖的偏微分方程求解算子的可扩展框架，以预测患者心脏上的电信号传播。他还将机器学习方法用于高效设计化工过程中反应器或分离器的通道拓扑结构，测定病变心脏瓣膜组织的力学参数，改进主动脉夹层和主动脉瘤的血流动力学分析，以及在天体物理学领域快速预测盘-行星系统中的稳态解，展现了其工作的广泛适用性。近期，他利用量子计算加速深度算子网络，开发了用于函数空间上的物理信息生成模型的全新框架。

着眼于未来，陆路的工作正通过创建融合物理、AI 与量子计算的高效模拟工具，持续加速跨学科的科学发现进程。

他结合模拟数据与互联网数据，训练出能够控制不同形态机器人的通用大脑。

Ananye Agarwal 的研究聚焦于解决通用 AI 在物理世界应用中的核心瓶颈：物理交互数据的稀缺性。他开创性地提出将大规模模拟作为解决方案，让机器人在数百万个虚拟世界中进行训练，从而在短时间内积累海量的物理交互经验，用以训练能够在真实世界中稳定运行的通用机器人模型。

他通过端到端神经网络，将机器人的原始传感器输入直接映射到电机指令，完全在模拟环境中进行训练。该方法使低成本的足式机器人也能自主学会在楼梯、碎石堆等复杂地形中行走，无需人为编程。2024 年，他将该技术扩展至机器人跑酷，实现了在平台间跳跃和穿越大型障碍等高难度动作。

为了让机器人更好地理解人类意图，Ananye 探索了模拟数据与互联网数据的结合。他提出利用互联网数据为机器人提供操作物体功能性部位的知识，再通过模拟训练教会机器人如何稳健地执行抓取。以此方式，机器人可以正确地抓取锤子、钻头等工具。他还主导设计了一款低成本、高效率的开源仿人机械手 LEAP Hand，降低了该领域的研究门槛。

为训练能够控制不同形态机器人的通用大脑，他开发了 LocoFormer 模型，并在超过十万种不同的机器人上进行训练，使其能够适应断腿、电机卡死等极端硬件故障。为支撑如此大规模的训练，他还与团队设计了一种名为 SAPG 的新型分布式强化学习算法。目前，他正以创始研究员的身份在 Skild AI 推动相关技术的进一步扩展和应用。

他通过 AI 赋能电子设计自动化（EDA），并成功流片。

尽管 AI 推动了计算需求的指数级增长，但以数字为中心的电子设计自动化（EDA）流程已成为环境负担——仅当今的数据中心就消耗了全球电力的 1.5%。

朱可人采用 AI 驱动的物理合成技术，将 EDA 从单一的数字化约束转变为创新的催化剂——自动化定制电路设计，从模拟神经接口到内存系统，实现下一代与能量相称的计算机架构。他开发了一系列 AI 驱动的设计方法与开源工具。其主要贡献包括构建了首个经过硅验证的开源模拟电路自动布局布线系统 MAGICAL，实现了从网表到 GDSII 的全流程自动化，并在 TSMC 40nm 工艺上成功流片，所设计的 ΔΣ 调制器 ADC 达到了 68.2dB 的 SNDR 性能指标。

在技术方法上，他融合了图神经网络与约束优化，提出了基于生成式神经网络的布线引导技术，相比传统方法减少 22.8% 的布线长度；开发了基于贝叶斯优化的层次化布局合成框架，显著提升设计效率；提出了基于 GNN 的电路对称约束自动提取方法，解决了模拟电路布局中的匹配约束生成难题。这些技术已被 Synopsys、英伟达等公司的 EDA 工具链所采用。

朱可人进一步将工作扩展到逻辑-物理协同优化领域，开发了 PigMap 框架，通过前馈物理信息指导逻辑综合，在 EPFL 基准测试中实现 13.4% 的 PPA 提升；提出基于蒙特卡洛树搜索的逻辑优化方法，减少 8.74% 面积的同时获得 1.24 倍加速比。这些方法有效弥合了传统 EDA 流程中逻辑综合与物理设计之间的割裂。

近年来，其团队研究工作扩展到新兴计算范式，包括存内计算架构的自动布局生成、光子集成电路的曲率感知布线算法以及 2.5D/3D 集成平台开发，展示了 EDA 技术在多元计算架构中的适应性。

他提出了一套分布式群体协同框架，提升无人机集群在未知环境中的表现。

高飞的研究聚焦于无人机在复杂动态环境中的自主飞行难题，围绕运动规划和感知闭环两大核心环节取得了一系列系统性成果。

面对传统运动规划方法计算量大、实时性差的挑战，高飞提出了一套时空最优轨迹生成（Spatio-temporal Optimal Trajectory Generation）框架，能高效生成光滑、动态可行的轨迹，将规划效率提升多个数量级。他还引入强化学习，使无人机能自适应调整飞行策略，实现高速自主飞行。

为解决无人机仅依靠机载传感器和有限算力的飞行难题，他从感知-规划闭环角度出发，与团队研发了受眼跳运动启发的事件相机，提升高动态感知能力。同时，他提出了无需构建密集环境地图、基于稀疏碰撞梯度评估的局部避障框架，解决了行业在高动态感知和环境建模成本上的挑战。

他的研究还在无人机集群协同领域取得了重要突破。2022 年，高飞带领团队实现了去中心化无人机集群在野外未知环境中的自主飞行与协同探索。近期，他还将研究拓展到飞行具身智能领域，提出了面向复杂环境和多种任务的通用飞行决策框架。他的工作为飞行机器人领域提供了核心算法支撑，推动了其在空中巡检、搜索救援及物流运输等场景的实际应用。

她开发了新型类血管电子支架，在活体内实现了神经再生、迁移和修复。

脑机接口（BMI）的生物相容性问题主要在于植入大脑的电极作为异物会引发免疫反应，导致炎症、疤痕组织形成，从而使信号衰减甚至设备失效。

在博士及博士后研究中，杨笑积累了独特的跨学科专业知识，致力于开发新型生物电子学技术以提升 BMI 的稳定性，并拓展至再生医学、人类神经发育与疾病研究。她和团队从材料设计出发，在尺寸、力学性质和表面生物化学特性等多个层面解决了电子器件与神经元之间的不匹配问题。

受生物系统启发，她设计并开发了一系列仿生电子器件。其中，类血管电子支架 VasES 能模拟大脑血管的结构和生化表面，为新生神经元迁移至病变区域提供物理支撑和生化线索。该成果率先在活体内实现了神经的再生、迁移和修复，为神经损伤的诊疗和功能恢复开辟了新方向。

同时，她借鉴日本传统剪纸艺术 Kirigami 的结构特点，开发了剪纸电子学器件 KiriE。该器件能够由二维图案转化为三维篮状结构，从而与悬浮的人脑类器官或组装体实现长期耦合，为复杂神经模型的研究与应用提供了新工具。

未来，杨笑将继续探索生物电子与神经工程交叉平台，在分子、微观和宏观层面开展创新研究，以推动神经再生和脑机接口领域实现新的突破。

他通过高维光场调控技术，实现了对光波的动态精密控制。

传统光学通常处理标量光束，或者仅部分控制矢量特性，无法实现精确地动态控制高维光束作为输入和输出，因此在高维光束操控领域如何在每一个像素上全面、动态地控制光的偏振、相位、强度等特性，以及它如何与物质相互作用成为现有难题。

何超致力于高维光场操控技术研究，主要研究方向为矢量光学与光子学，通过开发新型光场调控方法与器件，实现了对光波的偏振、相位、强度等多维参数的动态精密控制。

何超团队利用矢量光学原理，预期实现癌症早诊和肿瘤的精确分级分型，通过量化的形式呈现病理解释，推动虚拟染色和数字病理的发展。

他提出并实现了“矢量自适应光学”方法，可同时校正偏振与相位畸变，显著提升了复杂介质中的成像质量与信息保真度；开发出基于级联可调元件的“虚拟像素”技术，率先实现了可动态重构的任意椭圆延迟器阵列，能够完成任意矢量光场之间的高效转换，为高通量光信息操作提供了新方案；利用该平台生成了具有拓扑保护特性的光学斯格明子结构，并验证了其在干扰环境中的传输稳定性，为新型光通信、计算、互联器件的设计开辟了路径。

其研究兼具理论深度与系统实现，为生物医学成像与下一代光信息技术提供了关键工具与方向引领。

他开发并验证了一系列实用量子算法，推动量子计算在化学、材料等领域的应用。

袁骁的研究聚焦于量子信息科学，致力于解决如何使量子计算走向实用化这一核心问题。他的工作系统性地连接了量子算法的理论设计、应用探索与实验实现，涵盖量子化学、量子材料和量子 AI 等交叉领域。

为突破量子硬件现阶段呈现出的局限性，袁骁提出并发展了多种高效量子算法。他提出的变分量子算法，通过动态构建浅层量子线路，实现高效量子模拟；其虚拟量子资源蒸馏理论框架，为在噪声设备上有效利用量子资源提供了新思路。

在应用层面，他将量子嵌入方法与量子计算相结合，模拟强关联材料的电子结构，并将其拓展至分子对接问题，为药物发现提供了量子解决方案。这些研究有效缩减了求解复杂问题所需的量子比特规模，展示了近期量子计算机的应用潜力。

为推动理论方案的物理实现，袁骁与实验团队紧密协作，在超导量子计算平台上实现了大规模量子化学模拟，并通过硬件优化和错误缓解技术将计算精度提升了约两个数量级。实现了 51 个量子比特的簇态制备与验证，为构建中等规模量子计算系统奠定了基础。

他利用新型二维半导体材料提升闪存的性能极限。

目前所有超高速电荷存储器技术都是易失性的，在断电后无法保存数据。闪存作为主流非易失性存储器虽功耗低，但编程速度慢，无法满足超高速数据访问需求。

刘春森长期致力于利用新型二维半导体材料推动闪存技术的根本性创新，成功将闪存编程速度从传统硅基器件的微秒量级提升至亚纳秒级，在相同技术节点下实现了非易失性存储速度超越易失性存储器 SRAM。

他的研究立足于基础物理模型的创新：从高斯定律出发构建了准二维泊松方程，揭示了二维狄拉克材料中的一种全新载流子注入机制——“无限注入行为”，并据此设计了具有亚纳秒编程速度的二维浮栅晶体管。此外，他还对 Fowler-Nordheim 隧穿模型进行了关键修正，引入二维势垒台阶（φ2D），在保持十年数据保留的前提下显著提高隧穿效率。

除了速度突破，他所开发的二维闪存器件还表现出优异的耐久性，可达百万次擦写循环，十倍于传统闪存，以及出色的尺寸缩放能力，沟道长度可低于 10nm，突破硅基闪存 15nm 物理极限，为大容量、高密度、低功耗存算一体系统提供了可行的器件基础。

刘春森的工作被认为“在非易失性存储器的能效与易失性存储器的速度之间取得了关键平衡”，为后硅时代存储技术与集成系统发展提供了科学依据与工程路径。他的工作既有理论深度也具有实用价值，对 AI、高性能计算等依赖高速低功耗数据存取的领域具有重要推动作用。

她延长了城市污水处理系统的使用寿命，提升了废弃物的能源回收效率，并实现了基于污水的智能化流行病预警。

在现代城市中，污水的有效运输与处理是实现可持续发展和保障公共健康的关键。全球污水管网全长超过一千万公里，是维系城市宜居性的基础。然而，混凝土腐蚀会使管道寿命缩短高达 90%，而污水处理过程的能源和资源消耗也对经济与环境造成巨大压力。

李璇和团队创新地研发了一种采用亚硝酸盐的耐腐蚀混凝土，为腐蚀控制提供了主动预防、经济高效且环境友好的解决方案。该技术在实际下水道系统中的验证结果显示，仅需投入混凝土材料成本的 3%，就能使混凝土使用寿命延长 40%。同时证明该混凝土不会对下游污水处理系统或周边环境造成负面影响。

另一方面，李璇还与合作者研发了新型废弃物的资源回收技术，将污水处理和造纸工业的副产品转化为能源。相关技术将生物能源回收量提升 2-6 倍，使污水处理厂不仅能满足自身用电，还具备为数千户家庭提供电力的能力。同时，利用现成的废弃物副产品减少对外部能源或化学品的依赖，减轻了污水处理的环境和经济负担。

在公共健康领域，她与团队开创性地通过污水流行病学实现智能化流行病预警。通过监测污水中病原体，相关技术可实现覆盖全人群的传染病监测。

总体来说，这些创新成果不仅显著提升了环保产业制造业水平，推动了环境可持续发展，更守护了公共健康。

他提出可重构存算一体架构范式，为解决 AI 算力瓶颈提供高能效芯片方案。

涂锋斌专注于 AI 芯片、存算一体和可重构计算等领域的研究。他通过芯片架构创新，为高算力、高能效的下一代智能计算系统开辟了新的技术路径。他提出了一种可重构存算一体 AI 芯片架构范式。该架构通过在存储单元内部集成可重构计算逻辑，有效应对了传统计算架构的“冯·诺依曼瓶颈”问题，显著降低了数据搬运带来的能耗和延迟，并且灵活支持各种 AI 算子。基于该架构开发的 ReDCIM 处理器，在处理高算力场景下的浮点运算等复杂计算任务时展现出优异的能效表现。

为满足自动驾驶、具身智能等前沿应用的需求，他与香港智能晶片与系统研发中心（ACCESS）团队开发了一款可同时支持卷积神经网络和 Transformer 模型的可重构 AI 处理器 AC-Transformer。该芯片采用存算感知协同优化方法，针对 AI 模型中不同计算阶段的特点，动态调整计算与存储资源压缩方案，实现了系统级的能效优化。相关研究成果于 2025 年在被誉为“芯片奥林匹克”的国际固态电路会议（ISSCC）上发表。这是香港首篇入选 ISSCC 的 AI 芯片论文。2025 年，他联合创立了 AI 芯片公司港芯智能（HarbourTek Limited），致力于将团队在 AI 芯片与存算一体领域的技术积累推向市场。

涂锋斌的工作连接了前沿的芯片架构研究与产业的实际需求，持续推动着 AI 计算技术的发展。

他通过融合 AI 与生物力学控制系统，开发出了具备实时意图识别能力的髋关节外骨骼。

可穿戴辅助设备，例如机器人外骨骼，可以帮助下肢残疾人士恢复行动能力。然而，当前外骨骼技术的核心局限在于：实验室优化的控制策略无法覆盖真实环境的复杂性，且基于健康人群数据的控制框架难以适应临床人群不同的神经肌肉特性，并且缺乏与人类运动学习机制的结合。因此，外骨骼尚未在日常生活中得到广泛应用。

Inseung Kang 的研究解决了这一核心挑战：如何实现外骨骼与人体运动之间的自然协调。他通过将多功能硬件设计与生物力学原理相结合，提出了更为智能直观的控制机制，开发出新一代可穿戴系统。

其中，他开发的髋关节外骨骼系统能够辅助完成多种运动任务。通过优化设计，可提供与人类生物关节力矩相当的关节辅助，同时最大限度地减轻系统整体重量并兼顾用户舒适度。在运动过程中，外骨骼能够实时推断用户状态，并精准提供生物力学上最优的髋关节辅助。

此外，他还研究了外骨骼在中风患者、脑瘫儿童等临床人群中的应用，为控制参数优化提供了重要见解。这些研究成果为提升外骨骼对患者步态的可控性、实现个性化辅助以及自适应外骨骼系统的迭代改进奠定了重要基础。

他提出了新型的化学键活化模式，为有机合成提供新途径。

过去 50 年，大量研究揭示了多种能够活化 C-H 键的化学体系，但实现 C–H 键断裂的基本步骤仍然有限。现有几种主要的 C–H 活化机制尚不足以解释所有情况，因此探索新的反应路径具有重要意义。

Phillip Stephen Grant 的研究聚焦远端 C–H 键活化。他提出了一种通过远端质子消除实现 C–C 键形成的新方法。他和团队在环癸基碳正离子的反应体系中进行了深入的实验和计算研究，发现了能够选择性促进远端消除反应的热力学条件。该方法不仅为远端 C–H 键活化提供了新的思路，还在十氢化萘的合成中得到了有效验证，填补了该研究领域的一项空白。

在有机合成方法学方面，Phillip 与团队合作发展了一类新的烯烃化反应：利用硫脲类硫叶立德试剂与醛或磺酰亚胺反应，可实现 Z 或 E 构型烯烃的选择性合成。这一成果突破了传统上将磷叶立德和硫叶立德视为两类反应性不同体系的局限，为烯烃构建提供了更灵活的工具。

这些工作不仅拓展了 C–H 活化与烯烃化反应的研究边界，也为合成复杂分子提供了新的方法学基础，体现了他在解决有机化学前沿问题上的创新能力和系统思考。

他致力于钠离子电池关键材料研究，解决了该领域长期缺乏理性设计的难题。

由于高能量效率和灵活的存储容量，锂离子电池已在电子产品和电动汽车中得到广泛应用。然而锂资源全球分布不均导致成本上升，严重限制了其在大规模能源存储系统中的应用，因此亟需开创其他碱金属离子的解决方案，推动可持续能源存储技术的发展。

赵成龙致力于碱金属离子电池特别是钠离子电池关键材料的研究，以解决层状氧化物正极材料在结构与性能调控方面的核心问题。他提出“阳离子势”这一晶体学新方法，通过量化阳离子的电子分布与极化能力，建立了成分与结构类型的准确对应关系，解决了该领域长期缺乏理性设计准则的难题。

基于该方法，他成功设计了具有高钠含量的 P2 型材料，在保持高容量的同时有效抑制了循环过程中的有害相变，显著提升了材料的倍率性能与循环稳定性。此外，他通过引入钛掺杂等策略，在 O3 型材料中成功引入类 P3 型的结构特征（如增大钠层间距），开发出兼具高容量与快速充电能力的 O3 型正极材料。

他还系统探索了多组分掺杂（高熵氧化物）对材料结构和电化学行为的调控作用，证实多元掺杂可有效促进离子传输并增强结构稳定性，为低成本、高性能电极材料的开发提供了新思路。

其研究成果对推动钠离子电池的材料基础研究与实际应用具有实质性贡献，并为下一代储能电池的理性设计提供了重要的理论依据和方法支撑。

他通过界面及组分工程创新策略，解决了钙钛矿器件面临的部分关键问题。

钙钛矿型光伏器件具有实现超高效、超廉价太阳能发电的潜力。然而其实际效率与其理论潜力之间仍存在显著差距。

陈昊致力于高效稳定钙钛矿太阳能电池的研究，提升单结钙钛矿光伏器件和基于钙钛矿的多结串联光伏器件的性能，解决钙钛矿光电器件中的界面损失和稳定性等关键问题。通过界面工程和组分工程等创新策略，他在单结及多结全钙钛矿叠层电池领域取得了多项效率突破。

在单结钙钛矿电池方面，他通过引入双位点钝化分子，提出钝化分子“平伏式”钝化机制，有效降低了界面缺陷并促进载流子传输，实现了小面积 0.05cm² 器件 26.15% 的准稳态认证效率，创造了反式结构钙钛矿电池的效率纪录。同时，他还将 1cm² 单结器件的认证效率从 24.3% 提升至 25.2%，推动了大面积钙钛矿电池的发展。

在全钙钛矿叠层电池方面，陈昊通过场效应钝化策略有效降低了宽带隙子电池的开路电压损失，实现了认证效率达 26.3%（NREL 认证）的全钙钛矿双结叠层电池，其效率超越单结钙钛矿电池的认证效率。此外，其团队发现了晶格畸变抑制光诱导相分离的新机制，开发出在光照下稳定的 2.0eV 宽带隙钙钛矿材料，并制备出认证效率达 23.3%（NREL 认证）的全钙钛矿三结叠层电池。其研究成果对推进钙钛矿电池的商业化应用及全球能源结构优化、可持续发展具有积极意义。

他致力于解决自动驾驶领域的“黑盒”信任危机。

陈龙致力于将大型语言模型的推理和语言能力引入自动驾驶系统，旨在突破传统端到端 AI 的限制，构建一个不仅能驾驶，还能用自然语言解释其行为和意图的“透明大脑”。这项工作的核心是让车辆能清晰阐述其推理过程，从而使其决策过程对人类来说是可理解和可审查的。

为实现这一目标，他在 Wayve 工作期间与团队率先提出并开发了业界视觉-语言-行为（Vision-Language-Action, VLA）模型框架之一：“Lingo” 系列模型。其开创性工作始于 2023 年的“Driving-with-LLMs”，通过融合车辆感知的多模态信息，特别是物体级别的矢量数据，使自动驾驶系统能够理解复杂的交通场景并做出决策。他还进一步拓展了该框架，参与开发了能够回答真实世界驾驶场景复杂问题的 LingoQA 模型，以及业界首个实车部署并在公开道路闭环测试的 VLA 模型“Lingo-2”。

陈龙的研究为下一代自动驾驶系统提供了新的发展范式，即从单纯由数据驱动的执行者，转变为能够像人类一样进行有效沟通和常识推理的可信赖的智能体。这种具备可解释性的智能系统，有望从根本上增强公众对自动驾驶技术的信任，加速其在真实世界中的安全部署和应用。

2025 年，他加入小米汽车，继续领导并推动具身智能的发展，通过在自动驾驶汽车、机器人和智能设备中构建能够感知、推理和行动的通用具身智能体，将先进的认知推理能力带入物理世界——这是迈向物理通用 AI（Physical AGI）征程中里程碑式的一步。

她开发的新型纳米膜、互渗型界面有效提升了微纳传感器的性能，可实现长时间连续体液监测。

林苑菁的研究主要包括面向可穿戴与可印刷电子器件的纳米材料创新、微纳结构传感器、储能器件及其在集成化柔性系统中的应用。

基于对电化学材料工程的理解，她和团队设计了新型纳米多孔膜及互渗型界面，并采用树枝状纳米结构的传感器电极，开发了兼具高灵敏度与高稳定性的电化学生物传感器，有效提升了对汗液等体液中微摩尔级别葡萄糖和酒精等标志物的监测灵敏度，可实现长达 30 小时的连续监测。

面向个人健康监测应用，她开发了两类一体化集成生物传感系统。一类是通过可印刷增材制造方式，集成于单一柔性基底的自供电传感器系统；另一类是在单片纺织物上集成多功能模块以实现无线表皮生物传感的腕带系统。这些柔性传感系统其可通过表皮分析实现可靠的无线饮食监测或医疗干预，有望为智能医疗应用的可穿戴设备发展提供新范式。

他推进了微型机器人系统的医疗场景应用，完成了精准微创手术及智能诊断等任务。

俞江帆的研究聚焦于如何让微型机器人具备高度自主性、智能决策能力与高效医疗作用，实现活体内最佳通路的动态规划，以及实时影像驱动的微型机器人智能导航，从而完成精准微创手术、智能诊断等任务。

他开发的水凝胶微型机器人集群能够在复杂的支气管环境中高效运动和自适应重构，结合医学影像数据引导的路径规划方法，实现活体中的三维精准定位与导航，药物的精准递送与释放，加速肺部智能化精准治疗的临床转化。

针对传统血管造影技术的局限性，他利用磁控微型机器人集群，在磁场的引导下深入血管网络，覆盖传统造影无法触及的区域，生成精准、完整的三维血管结构。这项技术不仅提升了成像精度，还为精准介入治疗奠定了基础。

针对多发性胃溃疡的治疗，他开发了一种磁性多层软体机器人进行靶向药物递送和组织粘附，以提高治疗效果。该机器人的功能已在活体猪实验中成功验证，为多发性胃溃疡的微创精准治疗提供了全新方案。

此外，他还提出了基于层级雷达与 AI 方法的动态避障控制策略，能够为微型机器人集群在复杂动态环境下的导航提供优化决策，同时保障避障稳定性与递送高效性。

他开创了零知识机器学习，为区块链互操作性提供了无需信任的解决方案。

张嘉恒率先开辟并持续引领零知识机器学习（ZKML）这一新兴领域，旨在以可验证的方式确保模型推理的完整性与机密性。在前期工作的基础上，他与团队于 2025 年将 ZKP 应用于大型语言模型，将 Transformer 模型推理的证明生成时间缩短至一分钟以内，相较此前系统实现了百倍的性能提升，为隐私保护 AI 的规模化部署扫清了关键障碍。现在，他正领导开发 zkPytorch 框架，旨在将 ZKP 功能无缝集成到主流机器学习工作流中，以加速技术创新与普及。

在区块链领域，他致力于解决不同链间的互操作性与可扩展性难题。他与合作者开发的 zkBridge 是无需外部信任假设的跨链桥接方案，通过 ZKP 验证链上状态的正确性，实现了安全的跨链通信。该技术已由其联合创立的公司 Polyhedra Network 成功商业化，目前支持超过 25 条区块链，每日处理大量跨链交易。针对区块链的可扩展性瓶颈，他于 2024 年提出了 Pianist 方案，通过设计完全分布式的 ZKP 协议，实现了对 ZK-Rollups 的有效扩展，允许多方以类似矿池的模式协同生成证明。

这些应用上的突破，源于张嘉恒在 ZKP 底层协议设计上的贡献。他早期设计的 Libra、Virgo 等协议，解决了证明者计算开销的瓶颈，并移除了对可信设置的依赖。近期，他将研究拓展至系统与硬件层面，提出了一个利用 GPU 流水线并行技术的批量证明生成系统（BatchZK），显著提升了证明生成的吞吐量。

他的工作正通过构建更安全、透明的可信计算基础设施，塑造着去中心化系统与可验证 AI 的未来。

她的研究为实验发现新型电子和声子特性材料提供了理论框架。

张田田是一名凝聚态理论物理学家，她的研究聚焦于拓扑能带理论、第一性原理计算以及材料中的新奇量子现象。她的工作提供了理论框架，为实验发现具有新颖电子和声子特性的材料提供了指引。

她近期的研究增进了学界对于手性声子的理解——这是一种对应于具有非零角动量的准粒子。在 2023 至 2025 年间发表的研究中，她与合作者们揭示了具有拓扑性质的“外尔声子”与手性现象之间的明确联系，为识别和分类表现出这些量子行为的材料提供了思路。她的多项理论预测已成功通过实验验证。例如，她与研究团队合作，共同在 α-HgS 和 Te 等晶体中实验证实了“本征手性声子”的存在，在这些材料中，手性是其晶体结构的内禀属性。

在此基础上，张田田与合作者们进一步探索了产生和调控声子特性的新机制。她在 2025 年的工作，为揭示铁磁性外尔半金属 Co₃Sn₂S₂ 中的磁序可以诱导手性声子做出了理论贡献。这一发现表明，磁性可以作为一种在量子层面调控原子振动的工具。同时，她的工作还在持续拓展对新型功能材料的探索，例如为设计堆叠的“笼目”与蜂窝状拓扑半金属材料建立化学规则，以及研究手性声子在电荷密度波中扮演的角色。

预测和调控手性声子的能力，对于发展热管理、信息传输和量子计算等技术具有潜在的应用价值，张田田的研究为识别具有特定声子和拓扑特性的材料提供了一份计算路线图。她的目标是继续探索量子材料的基础物理学，并为发现适用于下一代电子学和自旋电子学器件的新材料提供指引。

他提出了智能反射面通信技术，以解决 6G 网络中的覆盖、成本与功耗挑战，并推动通信感知计算的深度融合与应用。

针对困扰现有无线通信的两大核心难题——基站及天线密集化带来的高成本与高能耗，以及无线传播环境的随机不可控性，武庆庆提出了一项名为“智能反射面通信”（intelligent reflecting surface communications，IRS-COM）的技术，旨在将无线环境从一个被动、随机的因素，转变为一个可主动调控、服务于通信的智能实体，为 6G 网络的可持续演进开辟了新维度。

智能反射面是一种由大量可重构反射单元组成的人工电磁超表面，能够实时、精准地调控电磁波的相位、幅度、极化和频率等参数。通过软件编程，智能反射面可以协同基站和用户设备，智能地重塑信号传播路径，例如绕过障碍物、增强信号覆盖、抑制网络干扰。这一技术范式从“适应信道”转变为“重构信道”，突破了传统通信系统仅在收发两端进行优化的设计局限。

他进一步发现了智能反射面通信的三大定理，即增益定理、量化定理和部署定理，为智能反射面通信技术奠定了理论基石，已成为智能反射面通信技术的基本原理。同时，他围绕通信感知一体化、低开销传输和空地网络部署策略等关键问题展开了系统性研究，提出的新方法能够有效降低发射功率和系统所需的射频链路数量，从而显著提升网络能效并降低成本，推动了智能超表面通信的工程应用和标准化进程，为实现低成本、低功耗、广覆盖的 6G 网络提供了可行的解决方案。

她开发了高质量二维材料快速批量化制备的方法，推动新型半导体领域跨越式发展。

二维材料是新一代电子及光电子材料的核心备选体系，有望推动信息技术的变革性发展。刘灿的研究主要致力于解决二维材料应用过程中材料产率低、晶体质量有限、结构定制困难等关键问题。

在二维晶圆级批量生产方面，刘灿与合作者开发了一种界面元素供给方法，面对面模块化组装实现 12 英寸二维半导体晶圆的批量生产。二维半导体晶圆研究成果通过与松山湖材料实验室合作正在进行中试试产，并积极推进技术的产业化落地。

在二维晶体高质量制备方面，她与合作者创新地提出“晶格传质-界面生长”晶体制备新范式，突破了二维材料表面生长中的层数自限制、堆垛结构不可控、晶体缺陷积累等局限性。基于该方法，能够快速生长高质量二维单晶，速率达到 50 层/分钟；除此之外，还可控制逐层的单一方向，从而保证各层完全平行，最终达到菱方相二维晶体结构。

在低维结构精准定制方面，她与合作者发展了界面耦合调制原子级结构新路线，利用晶体表面结构及其外延衬底的界面耦合相互作用，精准控制零维半导体量子点通用外延（量子点/衬底组合达 20 种）、一维半导体条带阵列“全同”制备、二维转角双层石墨烯制造（角度精度达 1°，尺寸达厘米级）。

他设计了新型的二氧化碳加氢催化系统，用以合成可持续航空燃料。

将二氧化碳（CO₂）加氢转化为碳氢化合物尤其是航空燃料，是温室气体大规模利用与可持续能源就地消纳双重挑战的关键解决方案。张晨曦的研究方向是化学工程，他通过开发新型催化体系，将工业排放 CO₂ 与风能/太阳能产生的绿氢相结合制备高附加值的可持续航空燃料（SAF）。

张晨曦与合作者受生物酶“代谢分流”机制启发提出了“催化分流”策略，通过将多催化活性位点协同用以突破 CO₂ 加氢制可持续航空燃料反应中的“活性-选择性”权衡瓶颈，开辟了仿生催化剂设计的新方向，并为 CO₂ 加氢制可持续航空燃料这一类复杂多步骤反应体系的研究提供理论支持。

基于催化分流策略，张晨曦与合作者开发了高效 CO₂ 加氢制可持续航空燃料催化剂，在 350℃ 反应温度和 3MPa 反应压力下展现出卓越性能：CO₂ 转换率突破 60%，烃选择性达 85%，连续运行 1,000 小时期间催化剂产率衰减率仅 0.021%/h，目前已实现了吨级规模化制备。

此外，张晨曦及其团队致力于该推动技术向工业化落地，工业微球催化剂与多相流反应器技术已在 2023 年 100 吨 SAF/ 年的中试装置中得到全面验证，目前 1,000 吨 SAF/ 年工业示范项目已完成工程建设。

她基于 p 型半导体提出全新的材料体系，极大提升了性能表现。

朱慧慧致力于开发能与 n 型氧化物技术相媲美并无缝集成的 p 型半导体，为新一代全互补高性能电子器件奠定基础。因为真正实现 n 型与 p 型晶体管协同工作的互补电路至关重要。虽然 n 型氧化物材料已取得显著进展，但 p 型材料的发展相对滞后，成为制约行业发展的关键瓶颈。她的研究工作主要集中在锡碘基钙钛矿和非晶氧化物半导体两类材料体系，通过材料设计、制备工艺和器件物理的协同创新，实现了 p 型晶体管性能的显著突破。

在锡碘基钙钛矿研究方向，她通过阴离子工程和 A 位阳离子调控策略，有效抑制了锡钙钛矿中的离子迁移现象，提高了器件的操作稳定性。她开发的基于化学溶液法的界面组分工程技术，实现了空穴迁移率超过 70cm²/V·s 的 p 型晶体管性能，这一指标达到了商用低温多晶硅的水平。

在非晶氧化物半导体领域，其所在团队取得了重大突破。通过将碲元素引入非晶氧化碲基质并采用硒合金化策略，首次制备出高性能 p 型非晶氧化物半导体。该材料在非晶态下表现出高达 15cm²/V·s 的空穴迁移率，同时具备良好的均匀性和稳定性，解决了氧化物电子学中长期存在的 p 型材料缺失问题。

他通过系统性的材料设计与制备方法创新，为工业用分离膜提供新的技术路径。

分离过程占全球工业能耗的 50% 以上。膜技术有望替代部分传统工艺，实现降本增效，但其发展仍受限于渗透性与选择性难以兼得的固有限制，尤其在面向尺寸和理化性质极为相近的分子或离子分离体系时，现有膜材料仍面临极大挑战。

为突破这一瓶颈，申杰聚焦于二维材料与纳米多孔框架等新型通道材料，致力于开发具有原子级精度的传质通道及其可控制备方法。

他将分子工程策略与化学气相沉积（CVD）技术相结合，构建了可规模化的合成平台，实现了在近工业条件下仍保持稳定的、具有均一亚纳米通道的膜材料大面积制备。基于该平台，他制备出具有规则孔道结构的高分子基膜材料，脱盐率超过 99.5%，水渗透性超过商业膜 6 倍以上；通过调控表面电荷密度，在渗透能转换中实现了超过传统膜两倍的能量密度。此外，他利用 CVD 构筑了仅三层原子厚的二硫化钼膜，精准构筑八元环孔道，实现了超快单链水传输和高效质子传导，类比自然界生物通道蛋白的功能，为高性能水处理、氢燃料电池、电解水及液流电池等应用提供了新思路。

相关研究还拓展至柔性传感领域，通过调控离子与电子传输路径，他开发出具有高透气性、生物相容性与高灵敏度的可穿戴机械传感界面，为未来健康监测设备的发展提供了潜在方案。这一系统性的材料设计与制备方法研发，为工业分离、清洁能源和健康监测等领域提供了创新性的技术路径。

她实现了对纳米激光器的全新设计，为生物成像和光通信提供了新思路。

王丹青的研究贯穿纳米材料、光子学和量子系统三大领域。

她在纳米激光器研究方面实现了多项突破：通过多尺度超晶格结构设计，率先在单一器件中实现多模激光的颜色可控输出，为多色生物成像和多路光通信提供了新方案；受自然启发开发的机械可调谐柔性纳米激光器，为未来柔性显示与可穿戴传感奠定基础；她与合作者研制的超低阈值、高稳定性的上转换纳米激光，更是将纳米激光的应用拓展至体内成像和量子传感领域。

与此同时，她开辟了近零介电常数（ENZ）光学新方向，率先提出将“超导邻近效应”类比引入光学体系，利用透明氧化物半导体实现对 ENZ 材料性质的精准操控。她证明了 ENZ 薄膜可作为低损耗、抗缺陷的光学包层，并发现了超长程光学耦合现象，为解决光子集成芯片中的串扰与损耗难题，以及发展新型量子模拟平台提供了全新思路。

凭借这些创新性贡献，王丹青正引领大规模纳米光子学平台的构建，为下一代集成光子学与量子工程开辟新路径。